四步快速配置一个简单高效的文本生成图像基准模型DF-GAN2020版本 T2I baseline

本文将介绍一个简单高效的文本生成图像基准模型，该基准模型是DF-GAN20版代码，清楚简单，实用性高，本基准模型代码在他的基础上经过少量简化和处理，虚拟环境也进行了打包，非常适合作为一个基线模型，然后在其上进行对应创新。

一、下载代码

代码地址：https://github.com/Heavenhjs/demot2i.git
下载方法：git clone https://github.com/Heavenhjs/demot2i.git或者进入github下载压缩包
下载后的代码结构如下：

其中：code文件夹放置模型主要代码，data放置数据集（如bird、coco），DAMSMencoders放置已经训练好的文本编码器和图像编码器。

二、配置虚拟环境

点击下载已经打包好的虚拟环境demoEnv，将其放到Anaconda安装目录下的envs中，无需解压。比如D:\Anaconda3\envs：

放入之后可以在anaconda prompt或者pycharm终端中输入：conda info --envs，如果显示有demoEnv则成功导入虚拟环境：

三、配置数据集

数据集已经打包上传至OneDrive，下载数据集CUB-Bird，替换代码项目的data文件夹：

四、开始运行

最终配置好的项目结构如下：

其中code/cfg里的yml文件存放模型的一些参数，code/miscc文件夹存放模型的选项和工具函数，DAMSM是深度注意多模态相似模块，dataset用于处理数据和加载dataloader，main是项目的入口文件，model是模型文件。

运行：
1、激活demoEnv环境:conda activate demoEnv
2、进入code目录，开始运行，模型进入训练：python main.py --cfg cfg/bird.yml
3、训练好了之后，将code/cfg/bird.yml中的B_VALIDATION 改为True，然后进入采样：python main.py --cfg cfg/bird.yml

最后