Github|基于 Jittor 的 GAN 模型库

前言

今天介绍一个 Github 项目---集成了 27 种 GAN 模型的 Jittor-GAN，项目地址：

https://github.com/Jittor/gan-jittor?u=2181051220&m=4512179795555993&cu=2181051220&ru=1402400261&rm=4512157284683484

包含了从 2014 年最开始的 GAN 算法模型代码，到 2019 年的的一个 GAN 模型代码，其中有非常著名的 Pix2Pix，CycleGAN，StarGAN 等，也有比较冷门点的 GAN 模型算法。

下面就简单介绍一下这个 Github 项目。

简介

本项目的代码基于 Pytorch-GAN，项目地址：https://github.com/eriklindernoren/PyTorch-GAN

我们的 GAN模型库--Jittor-GAN 支持 27 种 GAN 模型，下面这份表格是来自谷歌学术的最新引用情况。GAN 是从 2014 年提出，然后产生了很多优秀的 GAN 的改进工作。这 27 种 GAN 算法总共被引用了 60953 次，平均每篇论文被引用 2176 次。

我们还对比了基于 Jittor 的 GAN 模型库和 Pytorch 的性能，结果如下所示，图中的数字表示 Jittor 实现的模型相对于 Pytorch 的速度提升情况，最快的情况是提升了 283%，平均提升速度也是 185%。

在另一个展示角度，假设 Pytorch 需要的训练时间是 100 个小时，而 Jittor 实现的 GAN 模型代码训练时间会少很多，最快的 GAN 模型只需要 35 个小时，平均需要 57 小时。

另外，代码里使用到的 Jittor，其官网地址：

http://cg.cs.tsinghua.edu.cn/jittor/

官网对 Jittor 的介绍：

Jittor 是一个基于即时编译和元算子的高性能深度学习框架，整个框架在即时编译的同时，还集成了强大的Op编译器和调优器，为您的模型生成定制化的高性能代码。

Jittor前端语言为Python。前端使用了模块化的设计，类似于PyTorch，Keras，后端则使用高性能语言编写，如CUDA，C++。

安装

安装的命令如下：

$ git clone https://github.com/Jittor/gan-jittor.git
$ cd gan-jittor/
$ sudo python3.7 -m pip install -r requirements.txt

模型使用样例

这里简单举个例子来介绍如何运行这些 GAN 算法，这里以 CycleGAN 为例子，在 Jittor-GAN 的代码实现地址：

https://github.com/Jittor/gan-jittor/blob/master/models/cyclegan/cyclegan.py

运行代码例子如下，首先是下载对应的数据集，然后找到对应的文件夹，运行相应的代码

$ cd data/
$ bash download_cyclegan_dataset.sh monet2photo
$ cd ../models/cyclegan/
$ python3.7 cyclegan.py --dataset_name monet2photo

其他模型的使用例子也是如上所示