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!