StyleGAN-XL コードの実行

GitHub -autonomousvision/stylegan-xl: [SIGGRAPH'22] StyleGAN-XL: StyleGAN を大規模で多様なデータセットにスケーリングする

1. データ処理:

以下のコードは 256*256 として処理されますが、プログレッシブトレーニングのため、16*16、32*32、64*64、128*128、256* の類似フォルダー (類似コマンド) を多数作成する必要があります。 256

python dataset_tool.py --source=./data/pokemon --dest=./data/pokemon256.zip \
  --resolution=256x256 --transform=center-crop

2. トレーニング

2.1. 最初のステップは 16 解像度モデルをトレーニングすることです

python train.py --outdir=./training-runs/pokemon --cfg=stylegan3-t --data=./data/pokemon16.zip --gpus=4 --batch=16 --mirror=1 --snap 10 --batch-gpu 4 --kimg 10000 --syn_layers 10

2.2. 残りの解像度でモデルをトレーニングする [2.2 を完了する前に 2.1 を完了してください]

16*16 トレーニングから 64*64 まで直接

--up_factor 複数のステージを一度にトレーニングできます。つまり、  --up_factor=4 16 ステムを使用すると、解像度 64 で直接トレーニングできます。

python train.py --outdir=./training-runs/pokemon --cfg=stylegan3-t --data=./data/pokemon16.zip \
  --gpus=4 --batch=16 --mirror=1 --snap 10 --batch-gpu 4 --kimg 10000 --syn_layers 10 \
  --superres --up_factor 4 --head_layers 7 \
  --path_stem training-runs/pokemon/00000-stylegan3-t-pokemon16-gpus4-batch16/best_model.pkl