點擊上方“算法猿的成長“，關注公衆號，選擇加“星標“或“置頂”
總第 142 篇文章，本文大約 1300 字，閱讀大約需要 5 分鐘
前言
今天介紹一個 Github 項目---集成了 27 種 GAN 模型的 Jittor-GAN，項目地址：
https://github.com/Jittor/gan-jittor?u=2181051220&m=4512179795555993&cu=2181051220&ru=1402400261&rm=4512157284683484
包含了從 2014 年最開始的 GAN 算法模型代碼，到 2019 年的的一個 GAN 模型代碼，其中有非常著名的 Pix2Pix，CycleGAN，StarGAN 等，也有比較冷門點的 GAN 模型算法。
下面就簡單介紹一下這個 Github 項目。
簡介
本項目的代碼基於 Pytorch-GAN，項目地址：https://github.com/eriklindernoren/PyTorch-GAN
我們的 GAN模型庫--Jittor-GAN 支持 27 種 GAN 模型，下面這份表格是來自谷歌學術的最新引用情況。GAN 是從 2014 年提出，然後產生了很多優秀的 GAN 的改進工作。這 27 種 GAN 算法總共被引用了 60953 次，平均每篇論文被引用 2176 次。
我們還對比了基於 Jittor 的 GAN 模型庫和 Pytorch 的性能，結果如下所示，圖中的數字表示 Jittor 實現的模型相對於 Pytorch 的速度提升情況，最快的情況是提升了 283%，平均提升速度也是 185%。
在另一個展示角度，假設 Pytorch 需要的訓練時間是 100 個小時，而 Jittor 實現的 GAN 模型代碼訓練時間會少很多，最快的 GAN 模型只需要 35 個小時，平均需要 57 小時。
另外，代碼裏使用到的 Jittor，其官網地址：
http://cg.cs.tsinghua.edu.cn/jittor/
官網對 Jittor 的介紹：
Jittor 是一個基於即時編譯和元算子的高性能深度學習框架，整個框架在即時編譯的同時，還集成了強大的Op編譯器和調優器，爲您的模型生成定製化的高性能代碼。
Jittor前端語言爲Python。前端使用了模塊化的設計，類似於PyTorch，Keras，後端則使用高性能語言編寫，如CUDA，C++。
安裝
安裝的命令如下：
$ git clone https://github.com/Jittor/gan-jittor.git
$ cd gan-jittor/
$ sudo python3.7 -m pip install -r requirements.txt
模型使用樣例
這裏簡單舉個例子來介紹如何運行這些 GAN 算法，這裏以 CycleGAN 爲例子，在 Jittor-GAN 的代碼實現地址：
https://github.com/Jittor/gan-jittor/blob/master/models/cyclegan/cyclegan.py
運行代碼例子如下，首先是下載對應的數據集，然後找到對應的文件夾，運行相應的代碼
$ cd data/
$ bash download_cyclegan_dataset.sh monet2photo
$ cd ../models/cyclegan/
$ python3.7 cyclegan.py --dataset_name monet2photo
其他模型的使用例子也是如上所示
最後，該項目地址可以直接點擊文章末尾底部”閱讀原文“，或者也可以後臺回覆【jittor_gan】，獲取項目代碼的網盤鏈接。
精選AI文章
2. 是選擇Keras還是PyTorch開始你的深度學習之旅呢？
7. 10個實用的機器學習建議
8. 實戰|手把手教你訓練一個基於Keras的多標籤圖像分類器
精選python文章
1. python數據模型
4. Jupyter 進階教程
精選教程資源文章
1. [資源分享] TensorFlow 官方中文版教程來了
2. [資源]推薦一些Python書籍和教程，入門和進階的都有！
3. [Github項目推薦] 推薦三個助你更好利用Github的工具
5. GitHub上有哪些比較好的計算機視覺/機器視覺的項目？
歡迎關注我的微信公衆號--算法猿的成長，或者掃描下方的二維碼，大家一起交流，學習和進步！
如果覺得不錯，在看、轉發就是對小編的一個支持！