DCGAN

该目录为DCGAN在MNIST数据集上的训练与测试，主要参考实现eriklindernoren/PyTorch-GAN

DCGAN相关细节

• 添加DDP多卡训练代码
• 添加混合精度训练
• 修改了训练逻辑，以解决原代码在多卡训练时的因数据被改动而无法反向传播的问题
• 添加相关日志代码，模型保存代码

环境准备

• 执行本样例前，请确保已安装有昇腾AI处理器的硬件环境，CANN包版本5.0.3
• 该目录下的实现是基于PyTorch框架，其中torch版本为1.5.0+ascend.post3.20210930，使用的混合精度apex版本为0.1+ascend.20210930, torchvision版本为0.2.2.post3。

训练准备-关于数据集

• 此DCGAN模型在MNIST的手写数据集上训练。
• 数据集来自pytorch中的数据集接口，若指定的目录下无数据集，程序将会自动下载数据集
• 参考一下命令下载数据集

bash test/get_mnist.sh --data_path=/path/to/data/root/
# 例:bash test/get_mnist.sh --data_path=./data/

快速运行

模型的训练文件详见main.py, 运行以下脚本能够进行单/多卡的训练和性能测试:

# data_path参数可任意指定一目录，建议为“./data/”
# train 1p performance
bash test/train_performance_1p.sh --data_path=/path/to/data/root/
# train 1p full
bash test/train_full_1p.sh --data_path=/path/to/data/root/
# 例：bash test/train_full_1p.sh --data_path=./data/

# train 8p performance
bash test/train_performance_8p.sh --data_path=/path/to/data/root/
# train 8p full
bash test/train_full_8p.sh --data_path=/path/to/data/root/

# 验证脚本使用保存的模型随机生成10张图片，
bash test/eval.sh --checkpoint_path=./checkpoint-amp-epoch_20.pth

DCGAN的训练结果

精度结果-生成图片展示

更多结果请参看./imgs文件夹

性能结果

此处展示不同batchsize下，DCGAN模型在NPU下的FPS。提高batchsize的目的是在保证精度的情况下尽可能利用NPU性能。

Acc@1	FPS	Npu_nums	Epochs	AMP_Type	Batchsize
-	1008.340	1	20	O2	64
-	3099.795	1	20	O2	128
-	6258.619	8	20	O2	512
-	12742.566	8	20	O2	1024