Initial commit

Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10-py37-latest
+COPY requirements.txt requirements.txt
+RUN source /opt/dtk-22.10/env.sh
+RUN cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime && echo 'Asia/Shanghai' >/etc/timezone 
+ENV LANG C.UTF-8
+RUN pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

README.md

-# Pix2pixHD
-## 模型介绍
-Pix2pixHD是一种图像到图像的转换模型，它可以将输入图像转换成一种特定的输出图像。这种模型的应用非常广泛，例如将草图转换成真实的图片、将低分辨率图片转换成高分辨率图片、将黑白图像转换成彩色图像等等。
+# PIX2PIXHD
+
+## 论文
+
+` High-Resolution Image Synthesis and Semantic `
+
+- https://arxiv.org/pdf/1711.11585.pdf
+
 ## 模型结构
 模型整体的结构是conditional GAN。 模型与Pix2pix相比更换了coarse-to-fine的生成器、multi-scale的判别器。
 
+![](D:\git上传前\pix2pixhd_pytorch\doc\Pix2PixHD-GAN-model-for-paired-image-to-image-translation.png)
+
+## 算法原理
+
+ pix2pixHD的算法原理是基于条件生成对抗网络（Conditional Generative Adversarial Nets）。它是一个由两个部分组成的网络：生成器和判别器。生成器用于从训练数据中合成图像，而判别器则负责判断生成的图像是否真实。 
+
+![](D:\git上传前\pix2pixhd_pytorch\doc\pix2pixHD原理.png)
+
+## 环境配置
+
+### Docker（方法一）
+
+此处提供[光源](https://www.sourcefind.cn/#/service-details)拉取docker镜像
+
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10-py37-latest
+docker run -it --network=host --name=bert_prof --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=32G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10-py37-latest
+```
+
+### Dockerfile（方法二）
+
+dockerfile使用方法
+
+```
+docker build --no-cache -t pix2pixhd:latest .
+docker run -dit --network=host --name=pix2pixhd --privileged --device=/dev/kfd --device=/dev/dri --ipc=host --shm-size=16G  --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root --ulimit stack=-1:-1 --ulimit memlock=-1:-1 pix2pixhd:latest
+docker exec -it pix2pixhd /bin/bash
+pip install -r requirements.txt
+```
+
+### Anaconda（方法三）
+
+关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
+
+```
+DTK驱动：dtk22.10
+python：python3.7
+apex==0.1+gitdb7007a.dtk2210
+torch==1.10.0a0+git2040069.dtk2210
+```
+
+`Tips：以上dtk驱动、python等DCU相关工具版本需要严格一一对应`
+
+其它非深度学习库参照requirements.txt安装：
+
+```
+pip install -r requirements.txt
+```
+
 ## 数据集
-模型使用数据为cityscapes
 
-<https://www.cityscapes-dataset.com/> 
+`模型使用数据为cityscapes`
+
+- <https://www.cityscapes-dataset.com/>
+
+项目中已提供用于试验训练的迷你数据集，训练数据目录结构如下，用于正常训练的完整数据集请按此目录结构进行制备：
+
+```
+ ── dataset
+ ────── cityscapes
+       │   ├── train_label
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── train_inst
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── train_img
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── test_label
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+       │   └── test_inst
+       │             ├── xxx.png
+       │             ├── xxx.png
+       │             └── ...
+```
 
 
-## 训练及推理
-### 环境配置
-python依赖安装：
 
-    torch==1.10.0a0+git2040069.dtk2210
-    torchvision==0.11.0+cu102
-### 训练
-训练命令：
 
-以 1024 x 512 分辨率训练模型 ( `bash ./scripts/train_512p.sh`)：
+## 训练
+### 单机单卡
+
+以 1024 x 512 分辨率训练模型
 
 ```
 #!./scripts/train_512p.sh
 python train.py --name label2city_512p
 ```
 
+### 单机多卡
 
-### 测试
-测试命令：
+```
+#!./scripts/train_512p.sh
+python train.py --name label2city_512p --batchSize 4 --gpu_ids 0,1,2,3
+```
 
-测试模型（`bash ./scripts/test_1024p.sh`）：
+## 推理
 
-    #!./scripts/test_1024p.sh
-    python test.py --name label2city_1024p \
+    python test.py --name label2city_512p \
                    --netG local \
                    --ngf 32 \
                    --resize_or_crop none \
 
+## result
+
+测试图
+
+![](D:\git上传前\pix2pixhd_pytorch\doc\face1_1.jpg)
+
+### 精度
+
+测试数据：<https://www.cityscapes-dataset.com/>，使用的加速卡:Z100L。
+
+根据测试结果情况填写表格：
 
+| pix2pixHD  | G_GAN | G_GAN_Feat | G_VGG | D_fake | D_real |
+| :--------: | :---: | ---------- | ----- | ------ | :----: |
+| cityscapes | 0.540 | 6.153      | 3.087 | 0.534  | 0.424  |
+
+## 应用场景
+
+### 算法类别
+
+`图像超分`
+
+### 热点应用行业
+
+`设计`
 
 ## 源码仓库及问题反馈
+
 * [https://github.com/NVIDIA/pix2pixHD](https://github.com/NVIDIA/pix2pixHD)
-## 参考
+## 参考资料
 * [https://github.com/NVIDIA/pix2pixHD](https://github.com/NVIDIA/pix2pixHD)
 

model.properties

+# 模型唯一标识
+modelCode = 168
+# 模型名称
+modelName=pix2pixHD_pytorch
+# 模型描述
+modelDescription=Pix2pixHD是一种图像到图像的转换模型，它可以将输入图像转换成一种特定的输出图像。这种模型的应用非常广泛，例如将草图转换成真实的图片、将低分辨率图片转换成高分辨率图片、将黑白图像转换成彩色图像等等。
+# 应用场景
+appScenario=推理,训练,图像超分,设计
+# 框架类型
+frameType=pytorch

requirements.txt

+dominate==2.7.0