- 일정:
8/21(월) ~ 8/23(수) Theory: Autoencoder, CycleGAN, Stable Diffusion
8/24(목) Practice
-
강의자료: 공지 메일 참고
-
Environments
CUDA 11.8
torch
torchvision
diffusers
transformers
- 학습 및 추론
CUDA_VISIBLE_DEVICES=0 python3 Autoencoder.py --batch_size 128 --epochs 5 --latent_dims 10 --lr 1e-3 --use_gpu
- 사전학습 모델 추론
CUDA_VISIBLE_DEVICES=0 python3 Autoencoder.py --batch_size 128 --epochs 5 --latent_dims 10 --lr 1e-3 --use_gpu --pretrained
- 학습
CUDA_VISIBLE_DEVICES=0 python main.py --batch_size 4 --epochs 2 --lr 2e-4 --sample_interval 100 --data_path ./horse2zebra --output_dir ./experiments_myname
- 추론 (이미지 생성)
CUDA_VISIBLE_DEVICES=0 python main.py --batch_size 1 --eval --output_dir ./experiment_ori
Download pre-trained weight: Dropbox link / Google Drive link
- 추론:
StableDiffusion/std_inference.ipynb내 실행 혹은
CUDA_VISIBLE_DEVICES=0 python std_inference.py
- 계산
CUDA_VISIBLE_DEVICES=0 python fid_score.py /path/to/real/dataset /path/to/fake/dataset
Real Image 분포와 Fake Image 분포 간의 거리를 계산하여 Fake Image가 Real Image와 얼마나 가까운지 (얼마나 Real한지)에 대해 계산하는 metric
분포 간의 거리 계산이기 때문에 1:1 매칭되는 Target Image가 필요하지 않음
값이 작을수록 (0에 가까울수록) Fake Image가 Real Image와 비슷함
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent