图像生成训练算法提供主流的GAN模型训练功能，用于图像生成。通过对原始图片素材进行训练，支持DCGAN、WGAN-GP、LSGAN、GGAN、PGGAN和StyleGAN图像生成模型网络，可生成高质量和多样化的图像生成模型。
支持的计算资源
输入/输出
输入桩
通过读OSS数据组件，读取训练数据所在的OSS路径。
配置此算法参数训练图片所在OSS目录，选择图像数据所在的OSS目录。
输出桩
训练生成的模型，保存地址对应算法参数模型输出路径。
关于参数详细说明，请参见下文中的参数说明。
配置组件
在Designer工作流页面添加图像生成训练组件，并在界面右侧配置相关参数：
参数类型 | 参数 | 是否必选 | 描述 | 默认值 | |
字段设置 | 训练图片所在OSS目录 | 否 | 若无上游OSS数据传入，需手动选择训练数据所在的OSS路径。 | 无 | |
预训练模型OSS路径 | 否 | 预训练的模型路径，若不填，则不加载预训练模型。该路径需与训练图片所处同一OSS Bucket。 | 无 | ||
模型输出路径 | 是 | 保存模型的OSS路径。该路径需与训练图片所处同一OSS Bucket。 | 无 | ||
参数设置 | 图像生成模型网络 | 是 | 选择想要使用的图像生成模型网络，支持的网络包含：DCGAN、WGAN-GP、LSGAN、GGAN、PGGAN和StyleGAN。 | dcgan | |
学习率 | 是 | 学习率。 | 0.001 | ||
训练迭代轮数 | 是 | 总共训练的迭代轮数（一轮表示对一个batch_size数据迭代一次）。 | 10000 | ||
样本展示轮数 | 是 | 间隔一定的轮数在模型输出路径的training_samples文件夹中保存当前模型的生成结果（从随机噪声生成的图片）。 | 1000 | ||
训练batch_size | 是 | 每次迭代中使用的训练样本的数量。 | 32 | ||
模型保存频率 | 否 | 每隔多少个训练轮次（epoch）保存一次模型（checkpoint ）。 | 1 | ||
执行调优 | 选择资源组 | 公共资源组 | 否 | 选择节点规格（该算法仅支持GPU规格实例）、专有网络。 | 无 |
专有资源组 | 否 | 选择CPU核数、内存、共享内存、GPU卡数。 | 无 | ||
最大运行时长 | 否 | 组件最大运行时长，超过这个时间，作业会被终止。 | 无 | ||