Быстрый старт

PaddleGAN — это набор инструментов для разработки генеративно-состязательных сетей (GAN) на основе PaddlePaddle, который обеспечивает высокопроизводительное воспроизведение различных классических сетей. Он находит применение в широком спектре областей, таких как генерация изображений, миграция стилей, управление анимацией, суперразрешение изображений и видео и раскраска.

В этом разделе вы узнаете, как быстро начать работу с PaddleGAN на примере обучения и оценки модели CycleGAN на наборе данных Cityscapes.

Обратите внимание, что все файлы конфигурации моделей в PaddleGAN доступны по адресу ./PaddleGAN/configs.

Содержание

• Установка.
• Подготовка данных.
• Обучение.
  • Обучение на одной карте.
    • Параметры.
    • Визуализация обучения.
    • Возобновление обучения.
  • Обучение на нескольких картах.
• Оценка.

Установка

Для установки и настройки среды выполнения обратитесь к документации по установке (installation documentation), чтобы завершить установку PaddlePaddle и PaddleGAN.

Предполагается, что пользователь клонировал и поместил код PaddleGAN в каталог /home/paddle. Пользователь выполняет команды в каталоге /home/paddle/PaddleGAN.

Подготовка данных

Подготовьте набор данных Cityscapes в соответствии с документацией по подготовке данных (data preparation).

Скачайте набор данных Cityscapes в ~/.cache/ppgan и создайте символическую ссылку на PaddleGAN/data/ с помощью следующего скрипта:

python data/download_cyclegan_data.py --name cityscapes

Обучение

1. Обучение на одной карте

python -u tools/main.py --config-file configs/cyclegan_cityscapes.yaml

Параметры

• --config-file (str): путь к файлу конфигурации. Это файл конфигурации, используемый здесь для обучения CycleGAN на наборе данных Cityscapes.

• Выходные журналы, веса и результаты визуализации сохраняются по умолчанию в . /output_dir, что можно изменить с помощью параметра output_dir в файле конфигурации:

  output_dir: output_dir
  

• В созданной папке автоматически создаётся новый каталог на основе имени модели и метки времени. Пример каталога:

output_dir
└── CycleGANModel-2020-10-29-09-21
    ├── epoch_1_checkpoint.pkl
    ├── log.txt
    └── visual_train
        ├── epoch001_fake_A.png
        ├── epoch001_fake_B.png
        ├── epoch001_idt_A.png
        ├── epoch001_idt_B.png
        ├── epoch001_real_A.png
        ├── epoch001_real_B.png
        ├── epoch001_rec_A.png
        ├── epoch001_rec_B.png
        ├── epoch002_fake_A.png
        ├── epoch002_fake_B.png
        ├── epoch002_idt_A.png
        ├── epoch002_idt_B.png
        ├── epoch002_real_A.png
        ├── epoch002_real_B.png
        ├── epoch002_rec_A.png
        └── epoch002_rec_B.png
``` **cyclegan_cityscapes.yaml и запуск соответствующей команды для мониторинга процесса обучения в реальном времени**

<div align='center'>
  <img src='https://user-images.githubusercontent.com/48054808/122736527-b786ab80-d2b2-11eb-96f8-235f6bbfba5a.png' width=60%>
</div>

Если вы хотите настроить содержимое визуализации VisualDL, вы можете перейти в . /PaddleGAN/ppgan/engine/trainer.py.

Запустите VisualDL локально:

visualdl --logdir output_dir/CycleGANModel-2020-10-29-09-21/

Для получения дополнительной информации о том, как запустить и использовать эти функции визуализации, обратитесь к Руководству пользователя VisualDL (https://github.com/PaddlePaddle/VisualDL/blob/develop/docs/components/README.md).

#### Возобновление обучения

Контрольная точка предыдущей эпохи сохраняется в `output_dir` по умолчанию во время процесса обучения, чтобы облегчить возобновление обучения.

В этом демо, обучение cyclegan будет сохранять контрольную точку каждые пять эпох по умолчанию, и если вы хотите изменить количество эпох, вы можете обратиться к файлу конфигурации, чтобы настроить параметр `interval`.

<div align='center'>
  <img src='https://user-images.githubusercontent.com/48054808/122886954-fda34400-d372-11eb-91a0-cd0e8328335f.png' width=60%>
</div>

python -u tools/main.py --config-file configs/cyclegan_cityscapes.yaml --resume your_checkpoint_path

- `--resume (str)`: путь контрольной точки.

### 2. Обучение на нескольких картах

CUDA_VISIBLE_DEVICES=0,1 python -m paddle.distributed.launch tools/main.py --config-file configs/cyclegan_cityscapes.yaml

## Оценка

python tools/main.py --config-file configs/cyclegan_cityscapes.yaml --evaluate-only --load your_weight_path

#### Args
- `--evaluate-only`: делать прогнозы только или нет
- `--load (str)`: путь веса