From 92ff0cc1b86bff539b73f96717c927489fe6078f Mon Sep 17 00:00:00 2001 From: KSkun Date: Sun, 29 May 2022 00:39:06 +0800 Subject: [PATCH] docs: readme --- .gitignore | 4 ++-- CGAN.py | 2 +- README.md | 58 +++++++++++++-------------------------------- images/result1.png | Bin 0 -> 3012 bytes requirements.txt | Bin 0 -> 252 bytes 5 files changed, 19 insertions(+), 45 deletions(-) create mode 100644 images/result1.png create mode 100644 requirements.txt diff --git a/.gitignore b/.gitignore index 01c8f8e..62d966c 100644 --- a/.gitignore +++ b/.gitignore @@ -1,4 +1,4 @@ .idea/ -**/*.png -**/*.pkl saved/ +venv/ +result.png diff --git a/CGAN.py b/CGAN.py index 1ecc4c0..b14bff0 100644 --- a/CGAN.py +++ b/CGAN.py @@ -159,4 +159,4 @@ def generate(numbers, epoch, filename): if __name__ == '__main__': # train() - generate([1, 2, 3, 3, 2, 1], 87, 'result.png') + generate([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], 87, 'result1.png') diff --git a/README.md b/README.md index ac2e135..9e6860a 100644 --- a/README.md +++ b/README.md @@ -1,70 +1,44 @@ # Jittor 武汉大学队 手写数字生成 -![主要结果](https://s3.bmp.ovh/imgs/2022/04/19/440f015864695c92.png) - -｜展示方法的流程特点或者主要结果等 +![主要结果](images/result1.png) ## 简介 -| 简单介绍项目背景、项目特点 - -本项目包含了第二届计图挑战赛计图 - 草图生成风景比赛的代码实现。本项目的特点是：采用了 XX 方法对 YY 处理，取得了 ZZ 的效果。 -## 安装 -| 介绍基本的硬件需求、运行环境、依赖安装方法 +本项目是 华中科技大学“武汉大学”队 参加 第二届计图人工智能挑战赛 热身赛 所使用的代码。项目使用 Conditional GAN 在 MNIST 数据集上训练，并生成一串手写数字的图像。 -本项目可在 2 张 2080 上运行，训练时间约为 6 小时。 +## 安装 #### 运行环境 -- ubuntu 20.04 LTS -- python >= 3.7 -- jittor >= 1.3.0 + +- Jittor 1.3.4.12 +- Numpy +- Pillow #### 安装依赖 执行以下命令安装 python 依赖 + ``` pip install -r requirements.txt ``` #### 预训练模型 -预训练模型模型下载地址为 https:abc.def.gh，下载后放入目录 `/weights/` 下。 -## 数据预处理 -| 介绍数据预处理方法，可选 - -将数据下载解压到 `/data` 下，执行以下命令对数据预处理： -``` -bash scripts/prepross.sh -``` +预训练模型[下载地址](https://drive.google.com/drive/folders/1qnS1SXwtmR-2H-i8vDxW1W4H5k1E2ENI?usp=sharing)，可通过 `load` 导入系数。 ## 训练 -｜ 介绍模型训练的方法 - -单卡训练可运行以下命令： -``` -bash scripts/train.sh -``` -多卡训练可以运行以下命令： -``` -bash scripts/train-multigpu.sh -``` +`CGAN.py` 中 `train()` 函数为用于训练的函数，调用它即可运行训练。相关参数见文件内。 ## 推理 -｜ 介绍模型推理、测试、或者评估的方法 -生成测试集上的结果可以运行以下命令： +将参数放入 `saved` 文件夹内后，可以调用 `generate(numbers, epoch, filename)` 函数生成图像。其中 `numbers` 为要生成的数字数组，`epoch` 为模型训练的代数，预训练模型为 87，`filename` 为生成图像保存路径。 -``` -bash scripts/test.sh -``` +参见 `CGAN.py` 中的实现。 ## 致谢 -| 对参考的论文、开源库予以致谢，可选 - -此项目基于论文 *A Style-Based Generator Architecture for Generative Adversarial Networks* 实现，部分代码参考了 [jittor-gan](https://github.com/Jittor/gan-jittor)。 - -## 注意事项 -点击项目的“设置”，在Description一栏中添加项目描述，需要包含“jittor”字样。同时在Topics中需要添加jittor。 +本项目参考了以下资料与项目，感谢作者的分享！ -![image-20220419164035639](https://s3.bmp.ovh/imgs/2022/04/19/6a3aa627eab5f159.png) \ No newline at end of file +- https://cg.cs.tsinghua.edu.cn/jittor/tutorial/2020-5-13-22-47-cgan/ +- https://github.com/Jittor/gan-jittor/blob/master/models/cgan/cgan.py +- https://github.com/arturml/mnist-cgan/blob/master/mnist-cgan.ipynb diff --git a/images/result1.png b/images/result1.png new file mode 100644 index 0000000000000000000000000000000000000000..153192b7694588cfbf6031433eddd6e46db80e8f GIT binary patch literal 3012 zcmV;#3p@0QP)XL`F#DUw+irg+KkoAGyZ6nYrhdHFUDaJxU0u~x z-4{30KiZe5&)n9KnT|F6bq}vJ8mG(LPCcw0YKC@ea!ClL6)EF92ej-%!v;Won{ij33sJnbb=Z2h~~IS?+yBPZWR3}|;h$L|83 zS%-BUdDtxxgD4^~W5ko6w|zUr>gzCG9Es#4(|4VYZ8D6`{m?M5Vr5? zUdA2>46*|P@-UViU3*DuQ);YdRNa6AZKw9AUy?8Nhk+1~`bqa~`N$u%QV1c-YHt3k zxmFSNjTkfa#$7G(y(^@-nP2Bq%L|x$P+f|q{(LK`&aire4R+JqF<&OnduX7D6#&El z9zB4pNy$vI#5+ogIgKx5<0|#>QHAEnlOO6+Bo&R$*5COBZa3Ou_E7t;xCp>c{?S6U z@#!-Qs9*H^K7+<+0Dx|8d>A?~QcNfUfLfQ5{so3F{P)Tu)~m+Tg%t1{KEXMsomE`e znT4!<%IJB1d}RUJg#A=^`6hg(NK$n)-&;~(PHiHosN!2TcaX;0K_8h^^US9HqQepZ zv=2y9sTV@tIojKX!LDIuM~;xfis$IXm8AhdOfCxL2cxSaYNl=Pco*2n)N{VH5n5@G zRIm9Y0?B;G>30 zE-`T~1I{6tx+(-99GF!K0Vh;V!;st%G}+q6S@3Gbc;DlW9xqs}A){u5N~cX3a_sH( zcf7Z9VL`9gr@gtOy=}aX;mJQ$c}JACn*u+uvX!|%CQU}(F{sq57rpgGwcm&D&yxG| z4HI~lw9i5V7rgP7|nx%-2pzZv1W&o1v zopJ#H8Eb8wWcuyN-m@-D{Bw`L($=oX>_$6hx%{Q5^w^oVojBw2=T@FRT!ivz z7_ytB+WU5zALfvD{ubJ4aWeDU;Ullzyg1;ssJ=>(*X3ga^;A}oR@C@Ott~8PJxu_B zUf-17ey(HcBkaaiWZSg5dC$}e*maE!Q%P07G)b~!QVh8?yUL)7o)FXW^pF5VI8=7b zH_9MM8r{qMY2xJv+RiO18rGQQO+J5GqeyaL#pDE^c33*+XldQUq`Ib3$h*4l@uoxQ zpOLAbd5}-6J=1DcbRUYr2Lgb+=*3Lti-^Nd3d^Y$li3O&^wN$|0758r)i2x0=ZiyA zntFGiBLOGZ$|Q~ZPacue&8lMcfQXb0IVr11l8Md?KQ#}uiGUS`!CO^k3^3zh`$xWV zua_i^i!^bnV!~w-6BZn3O{w(#0tn4}>{{O%YqpWbsh*=}=tVY%I~e!Jb@7jHI_;GM zREdo)qX}y<5t20mvZl3nv_sUa{eMYiPXYoJzbeXe!t#Sm{G!q&C}i)gkP}7VI+9#6 zziyqu&L{xLhz<=X8wSYT#=a;fe$-s*Q*#+fY;3UZ%-KjL~nR~ zl6RHj+%7UT(u1wAkMMxv7xqYps-N9q9%z}BuJR@vtpNa;AlH>Z2J2FpGKVOI2m**E zXgnYQNC6xfb}SP!GMOp?AP4~BHzqZS+`S|BPus4l1v>+ z_g|yCsS=P4Wc-|)7R|5xD*LLdcF==C0HG|InpLM&O8}$BJJg$vv@y!=Od9|C$7`y- zc8jznx1`&AX-AuV=d*^+*nHk_XhC`8hWea-JJTJUj0Y0+qN#&Iv5s#`*ae46Sic=-lalE!&M{Xz8oeRfBJwY+7|3C;>mA<%u79pwOh%A{M zQ(ltyju%Q9)^S_CwYzhif2KCqAk~UuS?Enddp@2?B(lAqY-nmWy52nwK>(4d?LFTv ztpXq>Y-#Q~FE`xsG#vo+hsi#-t)-UpR(V2#OfU6G)L!0j|LTs7@y^9VOCLVY#1%Qz z#Tlwa<$96sG0db?e-K!0ykhZ_aMe~aHmQf?9|AyLhP%w@4*-C+DBjw7TcMnMv_U2= zAEp&F%tNoXW!g8)K7RG4c!~!kLI6bN_GCK#=efr&TAfgBXSg@rmDly#vy9uyA5vu3z^}vZd!AL`N@$xE*>`>bdcY}= zO$cpZYR@;RbXyF7w7tUo3y13sl81t3EIY0w@64oA^}l|4^%tEj6AEilwx+vr$+STJ zt=8@YM#|!#0Q6CNs^5flbAv9gf6t&&nU-tA13bWsp>eX)lUb`mRsS(_r_uiRyyK;? zY5*XF_0BxMpXA;e;kJoo+sTNafq+;v36T^V;y|_oKs&}oquu>ujX?;AhY^KYq`dzAbxlf*$KIzSk9qm`va<0+wf1}FzMo+ud;kCd literal 0 HcmV?d00001