OpenMMLab 官网

HOT

OpenMMLab 开放平台

TRY IT OUT

📘使用文档 | 🛠️安装教程 | 👀模型库 | 🆕更新记录 | 🚀进行中的项目 | 🤔提出问题

English | 简体中文

最新进展

Мы объединили MMGeneration с MMEding и добавили новые функции для генерации задач и алгоритмов. Обратите внимание на следующие новые возможности:

• 🌟 Задачи по созданию текста и изображений:

  • ✅ GLIDE;
  • ✅ Disco-Diffusion;
  • ✅ Stable-Diffusion.

• 🌟 3D-задачи:

  • ✅ EG3D.

Введение

MMGeneration — это мощный набор инструментов для создания моделей, основанный на PyTorch и MMCV. Он специализируется на моделях GAN. В основной ветке в настоящее время поддерживается версия PyTorch 1.5 и выше.

Основные характеристики

• Высококачественное и высокопроизводительное обучение: в настоящее время мы поддерживаем обучение для Unconditional GANs, Internal GANs и Image Translation Models. В ближайшее время будет поддерживаться обучение условных моделей.

• Мощный набор инструментов: предоставляет широкий спектр инструментов для пользователей, включая различные приложения GANs. Наша структура объединяет интерполяцию, проекцию и редактирование GANs. Попробуйте свои GANs! (Учебное пособие по применению)

• Эффективное распределённое обучение моделей генерации: для динамического обучения в моделях генерации мы используем новый метод MMDDP. (Учебное пособие DDP)

• Гибкая модульная конструкция нового типа: для сложных модулей потерь мы предлагаем новую конструкцию, которая позволяет настраивать соединения между модулями и гибко комбинировать различные модули. (Учебное пособие по новой модульной конструкции) Основные моменты

• Positional Encoding as Spatial Inductive Bias in GANs (CVPR2021) уже выпущен в MMGeneration. Конфигурационный файл, главная страница проекта.

• Мы уже поддерживаем обучение современных моделей Conditional GAN, больше методов и предварительно обученных весов скоро будут выпущены, следите за обновлениями.

• Смешанная точность обучения уже получила предварительную поддержку в StyleGAN2, пожалуйста, обратитесь к здесь для подробного сравнения различных реализаций.

Журнал обновлений

Версия 0.7.3 выпущена 14.04.2023. Для получения подробной информации об обновлениях и истории изменений обратитесь к файлу changelog.md.

Установка

MMGeneration зависит от PyTorch и MMCV. Вот краткое описание процесса установки:

• Шаг 1. Следуйте официальному руководству по установке PyTorch, например:

pip3 install torch torchvision

• Шаг 2. Используйте MIM для установки MMCV:

pip3 install openmim
mim install mmcv-full

• Шаг 3. Установите MMGeneration из исходного кода:

git clone https://github.com/open-mmlab/mmgeneration.git
cd mmgeneration
pip3 install -e .

Для более подробных инструкций по установке обратитесь к get_started.md.

Быстрое начало работы

Для базового использования MMGeneration обратитесь к разделу «Быстрое начало» (docs/zh_cn/get_started.md). Для других деталей и руководств обратитесь к нашим документам (https://mmgeneration.readthedocs.io/).

Библиотека моделей

Эти алгоритмы получили серьёзное исследование и поддержку в нашем фреймворке.

Вклад

Мы благодарны всем вкладчикам за их усилия по улучшению и развитию MMGeneration. Пожалуйста, обратитесь к руководству по вкладу (https://github.com/open-mmlab/mmcv/blob/master/CONTRIBUTING.md) для получения соответствующих указаний по участию в проекте.

Цитирование

Если вы считаете, что этот проект полезен для вашего исследования, рассмотрите возможность цитирования:

@misc{2021mmgeneration,
    title={{MMGeneration}: OpenMMLab Generative Model Toolbox and Benchmark},
    author={MMGeneration Contributors},
    howpublished = {\url{https://github.com/open-mmlab/mmgeneration}},
    year={2020}
}

Лицензия с открытым исходным кодом

Этот проект использует лицензию Apache 2.0 с открытым исходным кодом. Некоторые операции в MMGeneration используют другие лицензии. Если вы используете наш код для коммерческих целей, пожалуйста, ознакомьтесь с лицензиями (LICENSES.md) и внимательно проверьте.

Другие проекты OpenMMLab

• MMCV (https://github.com/open-mmlab/mmcv): OpenMMLab Computer Vision Foundation Library
• MIM (https://github.com/open-mmlab/mim): MIM — это единый вход для проектов, алгоритмов и моделей OpenMMlab
• MMClassification (https://github.com/open-mmlab/mmclassification): OpenMMLab Image Classification Toolbox
• MMDetection (https://github.com/open-mmlab/mmdetection): OpenMMLab General Purpose Object Detection Toolbox
• MMDetection3D (https://github.com/open-mmlab/mmdetection3d): OpenMMLab Next Generation General Purpose 3D Object Detection Platform
• MMRotate (https://github.com/open-mmlab/mmrotate): OpenMMLab Rotated Box Detection Toolbox and Test Benchmark
• MMSegmentation (https://github.com/open-mmlab/mmsegmentation): OpenMMLab Semantic Segmentation Toolbox
• MMOCR (https://github.com/open-mmlab/mmocr): OpenMMLab Full-Flow Text Detection Recognition Understanding Toolbox
• MMPose (https://github.com/open-mmlab/mmpose): OpenMMLab Pose Estimation Toolbox
• MMHuman3D (https://github.com/open-mmlab/mmhuman3d): OpenMMLab Human Body Parameterization Model Toolbox and Test Benchmark