Upload New File

人工智能系统实战第三期/实战代码/深度学习项目实战/扩散模型作业/DDPM/README.md

+## DDPM: Denoising Diffusion Probabilistic Models模型在pytorch当中的实现
+## DDPM: Denoising Diffusion Probabilistic Models模型在pytorch当中的实现
+---
+
+### 目录
+1. [所需环境 Environment](#所需环境)
+3. [文件下载 Download](#文件下载)
+4. [预测步骤 How2predict](#预测步骤)
+5. [训练步骤 How2train](#训练步骤)
+6. [参考资料 Reference](#Reference)
+
+## 所需环境
+pytorch==1.7.0 
+pytorch==1.2.0无法在windows下载入2G以上的权重，无法正常使用，不推荐。
+
+## 文件下载
+为了验证模型的有效性，我使用了**花的例子**进行了训练。    
+训练好的生成器模型[Diffusion_Flower.pth](https://github.com/bubbliiiing/ddpm-pytorch/releases/download/v1.0/Diffusion_Flower.pth)可以通过百度网盘下载或者通过GITHUB下载    
+权值的百度网盘地址如下：    
+链接: https://pan.baidu.com/s/1AI5jB0OPYbLGAX4JLbotXA 提取码: kbtp     
+
+花的数据集可以通过百度网盘下载：   
+链接: https://pan.baidu.com/s/1ITA1Lw_K28B3nbNPnI3_Kw 提取码: 11yt  
+
+## 预测步骤
+### a、使用预训练权重
+1. 下载完库后解压，直接运行predict.py，在终端点击enter，即可生成图片，生成图片位于results/predict_out/predict_1x1_results.png，results/predict_out/predict_5x5_results.png。    
+### b、使用自己训练的权重 
+1. 按照训练步骤训练。    
+2. 在dcgan.py文件里面，在如下部分修改model_path使其对应训练好的文件；**model_path对应logs文件夹下面的权值文件**。    
+```python
+_defaults = {
+    #-----------------------------------------------#
+    #   model_path指向logs文件夹下的权值文件
+    #-----------------------------------------------#
+    "model_path"        : 'model_data/Diffusion_Flower.pth',
+    #-----------------------------------------------#
+    #   卷积通道数的设置
+    #-----------------------------------------------#
+    "channel"           : 128,
+    #-----------------------------------------------#
+    #   输入图像大小的设置
+    #-----------------------------------------------#
+    "input_shape"       : (64, 64),
+    #---------------------------------------------------------------------#
+    #   betas相关参数
+    #---------------------------------------------------------------------#
+    "schedule"          : "linear",
+    "num_timesteps"     : 1000,
+    "schedule_low"      : 1e-4,
+    "schedule_high"     : 0.02,
+    #-------------------------------#
+    #   是否使用Cuda
+    #   没有GPU可以设置成False
+    #-------------------------------#
+    "cuda"              : True,
+}
+```
+3. 运行predict.py，在终端点击enter，即可生成图片，生成图片位于results/predict_out/predict_1x1_results.png，results/predict_out/predict_5x5_results.png。    
+
+## 训练步骤
+1. 训练前将期望生成的图片文件放在datasets文件夹下（参考花的数据集）。  
+2. 运行根目录下面的txt_annotation.py，生成train_lines.txt，保证train_lines.txt内部是有文件路径内容的。  
+3. 运行train.py文件进行训练，训练过程中生成的图片可查看results/train_out文件夹下的图片。