风景图片生成赛题b榜代码

图像生成任务一直以来都是十分具有应用场景的计算机视觉任务，从语义分割图生成有意义、高质量的图片仍然存在诸多挑战，如保证生成图片的真实性、清晰程度、多样性、美观性等。

部署

1. 运行环境

• ubuntu 20.04 LTS
• python >= 3.7
• jittor >= 1.3.0
• jimm

2. Jimm库使用

• 用于Jittor框架加载预训练模型
• 用到的预训练模型有tf_efficientnet_b5,tf_efficientnet_b6,vit_base_patch16_384,vit_base_patch16_224_in21k,swin_base_patch4_window7_224_in22k

3. Jimm安装(训练需要，测试不需要)，以下给出两种安装方式
4. 1 指定目录安装

• 下载开源链接到与train.py文件同目录，解压项目名称命为jimm

3.2 系统安装

• version.py及setup.py存在与train.py代码文件同目录
• 下载开源链接到与train.py文件同目录，解压项目名称命为jimm
• python setup.py install
• 成功后可删除目录下version.py、setup.py、jimm文件

4. requirements.txt文件

• 文件中指定了相应的版本，但不是必须

5. 训练准备及脚本参考命令

• 实验室显卡配置为四卡3090Ti, 训练时间为4~5天
• CUDA_VISIBLE_DEVICES=0,1,2,3 python train.py –input_path /data/comptition/jittor/data/train –output_path ./results/
• 显存小于20G, batch_size需调小为2或1

6. 测试脚本模型权重准备及脚本参考命令

• 3个模型权重在model文件夹下
• CUDA_VISIBLE_DEVICES=0,1 python test.py –input_path /data/comptition/jittor/data/val_B-labels-clean –model_path ./model/ –output_path ./results/