核反应堆耗电相当15分钟，英伟达开源的StyleGAN3真的很野蛮。

机器心脏报告
编辑：杜威
整个项目在NVIDIA V100的内部集群上消耗了92 GPU年和225兆瓦时的电量，NVIDIA的StyleGAN3真的是“充满了气”。
今年7月，NVIDIA StyleGAN团队在NeurIPS 2021论文《Alias-Free Generative Adversarial Networks》中引入了无别名GAN，或StyleGAN3。
地址：https://arxiv.org/pdf/2106.12423.pdf众所周知，典型的GAN具有分层卷积性质，但是它们的合成过程过度依赖于绝对像素坐标。这导致图像细节粘在坐标上，而不是在描述对象的表面上。因此，Nvidia研究人员探索了发电机网络中混叠粗心信号处理的根本原因。通过将网络中的所有信号解释为连续性，他们做了一个一般性的小架构改变，以确保冗余信息不会参与分层合成过程，从而得到了StyleGAN3。与StyleGAN2相比，StyleGAN3具有类似的FID，但其内部表示方式明显不同，并在亚像素尺度上实现了真正的图像平移和旋转不变性，从而大大提高了生成图像的质量。在论文中，研究人员表示，StyleGAN3为更适合视频和动画的一代模型铺平了道路。我们可以从下面的两个演示中看出StyleGAN3和StyleGAN2的区别。StyleGAN3在头发、胡须、笑容的转换和运动上更加流畅。
当时StyleGAN3还没有开源代码。近日，Nvidia终于上传了StyleGAN3的官方PyTorch实现。短短一天，GitHub就拿下了1.4k颗星。
GitHub地址：https://github.com/NVlabs/stylegan3项目主页：https://nvlabs.github.io/stylegan3/然而，NVIDIA的StyleGAN3项目消耗了难以想象的资源和电力。在论文中，研究人员表示，整个项目在NVIDIA V100的内部集群上消耗了92 GPU年(即单个GPU一年的计算)和225兆瓦时(Mwh)的电力。
对此，有网友评论称“225兆瓦时的电量相当于整个核反应堆运行15分钟左右，真是‘野蛮’！」
Nvidia StyleGAN3的开源也打开了用户的“脑洞”，推特上一位大神@ Rivershavings“玩花了”。
StyleGAN3的新特性StyleGAN3库是StyleGAN2-ADA的官方PyTorch实现的更新版本，具有以下新特性：
无别名生成器架构和训练配置(stylegan3-t和style gan 3-r)；提供交互可视化(visualizer.py)、频谱分析(avg_spectra.py)和视频生成(gen_video.py)的工具；同态测度(eqt50k_int，eqt50k_frac和eqr 50k)；其他改进：减少了内存使用，略微提高了训练速度，并修复了一些错误。就兼容性而言，StyleGAN3兼容stylegan2-ada和stylegan2-ada-pytorch创建的旧网络pickles，支持ada、迁移学习等旧stylegan2训练配置，提高了与NVIDIA Ampere GPU和更新版本pytorch、CuDNN等的兼容性。
安装要求安装StyleGAN3时，应满足以下要求：
支持Linux和Windows系统，但考虑到性能和兼容性，建议使用Linux系统。1到8个至少12G内存的高端NVIDIA GPUs。团队用特斯拉V100和A100 GPU完成了所有测试和开发；64位Python 3.8和PyTorch 1.9.0(或更高版本)；CUDA工具包11.1或更高版本；用户可以使用Miniconda3通过以下命令创建StyleGAN3 Python环境：conda env create-f environment . yml和conda activate style gan 3；对于Docker用户，请确保正确安装了NVIDIA Container Runtime(https://docs.docker.com/config/containers/resource _约束/# GPU)，并使用提供的Docker文件创建具有所需库依赖关系的映像。交互式可视化工具StyleGAN3库包含一个交互式模型可视化工具，可用于探索训练模型的各种特征。在启动该工具之前，您需要运行以下代码。可视化界面如下：
有关StyleGAN3的更多详细信息，请参见GitHub项目。
参考：3359 www.reddit.com/r/machinelearning/comments/q6ark8/r _风格根3 _别名自由_生成_对抗/