## Dataset
教授的消息：
> Hi all,
>
> I just added the pre-trained StyleGAN2-ada model in [this google drive folder](https://drive.google.com/drive/folders/1Sa5BPdXGHFQT7SZlF982GLg_jDJnNoST?>usp=sharing).
> Please clone [this repo](https://github.com/NVlabs/stylegan2-ada-pytorch) and check how to use it. For example:
> ```sh
> CUDA_VISIBLE_DEVICES=0 python generate.py --outdir=out --trunc=1 --seeds=0,1 --network=your-directory/network-snapshot-010483.pkl
> ```

## Sefa
[sefa](https://github.com/genforce/sefa)：利用生成网络的第一层，找出图片特征
生成器是一系列逐渐增大的weight 和 bias matrix组成的神经网络 (例如4x4&4x1->8x8&8x1->32x32&32x1->...->512x512&512x1),当我们提供一个输入值（4x4的matrix），经过这一系列的转化，能最终生成一个图片。
sefa做的事情就是在4x4 的matrix上的任意一个数x上改变一定值$\Delta x$, 然后看改变前后分别生成的两个图片之间的差别，差别越大越有可能是一个sematic （例如头发颜色等）

这个模型用的数据在 https://github.com/genforce/sefa/blob/master/models/model_zoo.py 这个文件里列出来了， 直接用里面的url下载（这个代码的自动下载功能有问题）
数据生成 & 转换： [genforce](https://github.com/genforce/genforce)这个repo是用来训练或者转换模型的,训练的方法里面写了，转换用里面的 [convert_model.py](https://github.com/genforce/genforce/blob/master/convert_model.py)。

## 解决方案：
1. 教授给的模型是stylegan2-ada训练的，和sefa不兼容，但是因为stylegan2-ada和stylegan2模型相似，我们可以改一改genforce的转换器，然后再改一改sefa的算法，这样能生成正确的图片 （我觉得比较复杂，不太好搞）
2. 因为genforce已经提供了stylegan2的模型，我们可以直接用他们给的模型（在genforce repo的models文件夹里）生成正确的数据结构，然后直接用sefa找semantic