InsGen 项目使用教程

InsGen 项目使用教程

insgen [NeurIPS 2021] Data-Efficient Instance Generation from Instance Discrimination 项目地址: https://gitcode.com/gh_mirrors/in/insgen

1. 项目目录结构及介绍

InsGen 项目目录结构如下：

insgen/
├── dnnlib/
├── docs/
├── metrics/
├── torch_utils/
├── training/
├── Dockerfile
├── LICENSE.txt
├── README.md
├── calc_metrics.py
├── dataset_tool.py
├── docker_run.sh
├── generate.py
├── legacy.py
├── projector.py
├── style_mixing.py
├── train.py

• dnnlib: 包含了项目的核心神经网络库。
• docs: 存放项目的文档资料。
• metrics: 包含评估模型性能的指标计算相关代码。
• torch_utils: PyTorch 工具相关的代码。
• training: 训练模型相关的脚本和配置文件。
• Dockerfile: 用于构建项目镜像的 Docker 配置文件。
• LICENSE.txt: 项目的许可证文件。
• README.md: 项目的说明文件。
• calc_metrics.py: 用于计算模型性能指标的脚本。
• dataset_tool.py: 数据集处理的工具脚本。
• docker_run.sh: 运行 Docker 容器的脚本。
• generate.py: 生成图像的脚本。
• legacy.py: 可能包含一些旧版本的代码或兼容性代码。
• projector.py: 用于图像投影的脚本。
• style_mixing.py: 风格混合相关的脚本。
• train.py: 训练模型的脚本。

2. 项目的启动文件介绍

项目的启动主要是通过 train.py 脚本进行模型训练。以下是 train.py 的基本使用方法：

python train.py --gpus=8 --data=${DATA_PATH} --cfg=paper256 --outdir=training_example

• --gpus: 指定使用的 GPU 数量。
• --data: 数据集的路径。
• --cfg: 训练配置文件，例如 paper256 表示使用论文中推荐的配置。
• --outdir: 指定训练结果保存的目录。

3. 项目的配置文件介绍

项目的配置文件通常位于 training 目录下，它们定义了训练过程中的各种参数。配置文件可以是 .py 格式的 Python 文件，例如 paper256.py。在配置文件中，你可以设置以下参数：

• --no_insgen: 禁用 InsGen，恢复到原始的 StyleGAN2-ADA 模型。
• --rqs: 覆盖真实图像队列大小，默认为总训练样本数的 5%。
• --fqs: 覆盖伪造图像队列大小，更多样本在训练样本有限时尤其有益。
• --gamma: 覆盖 R1 gamma（梯度惩罚），训练对此超参数敏感。
• --ada_linear: 决定是否线性增加 ADA 的强度，当训练样本少于 5k 时推荐使用。

配置文件通过 --cfg 参数指定，并在训练时加载，从而允许用户根据具体需求调整训练设置。

insgen [NeurIPS 2021] Data-Efficient Instance Generation from Instance Discrimination 项目地址: https://gitcode.com/gh_mirrors/in/insgen