StyleGAN-by-Jittor

本项目为使用计图（jittor） 实现的 StyleGAN，作为对GAN网络的探索和计图框架的学习。

关于计图平台的使用：

• 论文：Jittor: a novel deep learning framework with meta-operators and unified graph execution
• 官方文档

关于StyleGAN：

• 论文:A Style-Based Generator Architecture for Generative Adversarial Networks
• 参考的pytorch实现:style-based-gan-pytorch

配置环境：

1. 按照计图的需要，需使用 Ubuntu 16.04 及以后版本的操作系统，并且 python 版本 >= 3.7
2. pip install -r requirements.txt即可。若计图的安装遇到问题，也可查阅其官方文档。

使用方式：

1. 输出图像结果和渐进式训练效果视频都在result中，可以直接查看效果。
2. 可从我的网盘获取实验所用字符数据集：https://cloud.tsinghua.edu.cn/f/c9aa9bc2146e491ea8ba/?dl=1 ，并解压至color_symbol_7k目录下。
3. 可从我的网盘获取实验训练了80000代的模型：https://cloud.tsinghua.edu.cn/f/42dfc218f1c5449da106/?dl=1 ， 并放置在checkpoint目录下。
4. 执行 python generate.py checkpoint/080000.model --size=128即可执行前馈测试以及隐向量插值，如需别的效果请自行更改generator.py中的参数
5. 自行训练则需要修改train.py中的默认路径，再执行python train.py。数据集需先通过progressive_data.py进行处理，也需要改其中的默认路径，将数据存入data文件夹下。