CP-VTON 项目使用教程

CP-VTON 项目使用教程

cp-vton 项目地址: https://gitcode.com/gh_mirrors/cpv/cp-vton

1. 项目目录结构及介绍

CP-VTON 项目的目录结构如下：

cp-vton/
├── data/
│   └── ...
├── pics/
│   └── ...
├── result/
│   └── ...
├── LICENSE
├── README-raw.md
├── README.md
├── convert_data.m
├── cp_dataset.py
├── data_download.py
├── environment.yml
├── grid.png
├── human_colormap.mat
├── networks.py
├── nvidia-smi-info
├── smart_show_test_result.py
├── step1-train-gmm.sh
├── step2-test-gmm.sh
├── step3-generate-tom-data.sh
├── step4-train-tom.sh
├── step5-test-tom.sh
├── test.py
├── train.py
├── train_20190910_181637_step1-train-gmm.log
├── train_20190911_155724_step4-train-tom.log
├── val_20190911_123203_step2-test-gmm.log
├── val_20190911_145747_step3-generate-tom-data.log
├── val_20190914_230657_step5-test-tom.log
└── visualization.py

目录结构介绍

• data/: 存放训练和测试数据。
• pics/: 存放项目相关的图片。
• result/: 存放训练和测试的结果。
• LICENSE: 项目的许可证文件。
• README-raw.md 和 README.md: 项目的说明文档。
• convert_data.m: 数据转换脚本。
• cp_dataset.py: 数据集处理脚本。
• data_download.py: 数据下载脚本。
• environment.yml: 项目的环境配置文件。
• grid.png: 网格图片。
• human_colormap.mat: 人体颜色映射文件。
• networks.py: 神经网络定义脚本。
• nvidia-smi-info: NVIDIA GPU 信息文件。
• smart_show_test_result.py: 测试结果展示脚本。
• step1-train-gmm.sh 到 step5-test-tom.sh: 训练和测试的脚本。
• test.py: 测试脚本。
• train.py: 训练脚本。
• train_*.log 和 val_*.log: 训练和验证的日志文件。
• visualization.py: 可视化脚本。

2. 项目启动文件介绍

启动文件

• train.py: 用于启动训练过程。
• test.py: 用于启动测试过程。

使用方法

1. 训练:

   python train.py
   

2. 测试:

   python test.py
   

3. 项目的配置文件介绍

配置文件

• environment.yml: 项目的环境配置文件，用于配置项目的依赖环境。

使用方法

1. 安装依赖:

   conda env create -f environment.yml
   

2. 激活环境:

   conda activate cp-vton
   

通过以上步骤，您可以成功配置和启动 CP-VTON 项目。

cp-vton 项目地址: https://gitcode.com/gh_mirrors/cpv/cp-vton