Training 경량화

temp·2021년 12월 23일
0

Generative Model

목록 보기
30/30
post-custom-banner

안 좋은 GPU로 진행 ^^..

1. Before(100 iter) - 98 sec

  • 기본

2. 1st(100 iter) - 85sec

  • Only Adaptation

loss 기준 정하기.

  1. GAN_Feat (8 이하?)
  2. VGG (4~4.5 이하?)

100 iter : 8.187 / 4.244 (image 2)



100 iter : 8.965 / 4.532 (image 4)


150 iter : 7.981 / 4.001 (image 4) - lr 0.0002

11.424 / 5.6 (image 4)

  • 새 어디갔지
python gm_train.py --name Flickr --dataset_mode custom 
--label_dir gm_sample/train2_labels --image_dir gm_sample/train2_img 
--continue_train --load_from_opt_file --gpu_ids 0 
--niter 150 --save_epoch_freq 150 --batchSize 1 
--lr 0.0005 --preprocess_mode resize_and_crop 
--which_epoch 50 --print_freq 1 --display_freq 10

학습 추이 Visualize할 경우 학습이 조금 더 오래걸릴 수 있음(25% ↑).

  • 이건 그냥 감안, 나중에 실행할 때는 생략하면 됨.

학습 중 합성 샘플 생성하는 데에는 더 오래 걸릴 수 있음(25% ↑ + 50% ↑)

  • 10에폭당 1개의 이미지 저장.
python gm_train.py --name Flickr --dataset_mode custom 
--label_dir gm_sample/train2_labels --image_dir gm_sample/train2_img --continue_train --load_from_opt_file 
--gpu_ids 0 --niter 150 --save_epoch_freq 150 --batchSize 1 
--lr 0.0002 --preprocess_mode resize_and_crop 
--which_epoch 50 --print_freq 1 --display_freq 10


  • base_option, training_options, gm_train 위주로 변경.
post-custom-banner

0개의 댓글