📚 Trường đại học Phenikaa

Source Code Bài tập lớn cuối kỳ môn Deep Learning

Đề tài: mô hình sinh ảnh Progressive Growing of GAN trên tập dữ liệu CIFAR10 và CELEBA

Sử dụng:

     - Pytorch, numpy: Load dataset, build model
     - Tensorboard, opencv, matplotlib: Hiển thị kết quả sinh được ra 

Nhóm 8:

                                  | Nguyễn Quốc Khánh| Đỗ Trọng Hiệp |
                                  |     21011495     |   21011492    |  
                                  |     K15-KHMT     |   K15-KHMT    |

Hướng dẫn chạy code trên máy cá nhân:

Clone code từ git

     git clone https://github.com/qkhanh711/Progressive_Growing_of_GAN.git

Tải xuống CelebA dataset theo link:

    https://drive.google.com/file/d/1zptgH6nwHJgdBPD34PLewYr2ONyRe9g7/view?usp=share_link

Tải xuống file lưu weight từ mô hình sau khi train 2 bộ datasets CIFAR10 và CelebA:

    https://drive.google.com/file/d/1Tmp6SrAaB7YP8cNg0wDM1JQ7ENOVnyDi/view?usp=drive_link

Tổ chức file code theo dạng:

    LastTerm/
        Celeba_dataset/
        logs/
        Progressive_Growing_of_GAN
            fakeCeleba/
            fakeCIFAR/
            Image/
            ProgressiveGAN/
                config.py
                Evaluate.ipynb
                model.py
                train.py
                utils.py
            ...
        weightCelebA/
        weightCIFAR/
        weightTest/
        ...

Ví dụ

Mở terminal, di chuyển tới thư mục ProgressiveGAN, nhập câu lệnh:

        python train.py

Đánh giá mô hình trên file Evaluate.ipynb

Chạy code trên google colab trên Celeba dataset

Bước 1: Mở google Colab bằng link sau

     https://colab.research.google.com/drive/1ViZz99EZOxQKe6cGr9OKH4J4TpN4JYX0#scrollTo=K8RsXNYeCdg4

Bước 2: Kết nối và tải file archive.zip (Celeba dataset) lên google drive

Bước 3 Mở file train.py -> Dòng 138 (Phần bôi đen) thay đổi thành:

    loader, dataset = get_loader(4 * 2 ** step, root_path = config.PATH_COLAB)

Bước 4 Chọn Runtime -> Run All