# <font class="h2">**MX-Font 公用機/北科AI運算平台V100**</font>

<style>
.h1 {
background: linear-gradient(135deg,#fff,#FF95CA) ;
color: #BF0060;
display:block;
padding: 6px 5px;
border-radius: 4px;
}
.h2 {
background: linear-gradient(180deg,#fff 50%,#FF95CA) ;
color: #BF0060;
display:block;
padding: 6px 5px;
border-radius: 8px;
border-bottom: 3px solid #BF0060;
}
</style>


[TOC]

 


**Github:** https://github.com/clovaai/mxfont
！！！電腦要有 <font color="hotpink">**NVIDIA GPU**</font>！！！
（不推薦用公用機，有次跑起來大概5分鐘它就自動關機，可能 GPU 快壞掉）

## 北科AI運算平台 V100 使用

### 如何使用

---
**STEP 1**


**STEP 2**


**STEP 3**


**STEP 4**
進到 Terminal 即可使用


---

### 容器環境

CUDA:11.3-CUDNN8


### 安裝 pytorch

# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

## 前置環境條件

### 環境

**Requirement**

* Python > 3.6
* pytorch >= 1.5
* sconf, numpy, scipy, scilit-image, tqdm, jsonlib, fonttools

**建議使用虛擬環境**

conda create --name mxfont python=3.8
conda activate mxfont
git clone https://github.com/clovaai/mxfont.git
cd mxfont

### Install

conda install numpy scipy scikit-image tqdm jsonlib-python3 fonttools

(有時 jsonlib-python3 在 conda 無法安裝，改使用 pip install ) <font color="hotpink">**⇓ ⇓ ⇓**</font>

conda install numpy scipy scikit-image tqdm fonttools
pip install jsonlib-python3

### 使用以下確認是否有CUDA

>python
>>>import torch
>>>torch.cuda.is_available()

# Error 錯誤訊息 (Train)

如果出現以下錯誤訊息可以根據以下方法排除。

## UnicodeEecodeError: 'cp950'...

`UnicodeDecodeError: 'cp950' codec can't decode byte 0xc3 in position 116: illegal multibyte sequence`

錯誤：要提醒 Python 我們要讀取的檔案是以 UTF-8 的編碼。
解決辦法：在 `mxfont/datasets/ttf_dataset.py` 第 218 行加上 `encoding="utf-8"` 即可解決。


## RuntimeError: indices should be either on cpu...

`RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)`

錯誤：有部分在 CPU 執行，有部分在 GPU 執行。
解決辦法：
1. 從 CPU 轉到 GPU (cuda) 中
2. 從 GPU (cuda) 轉到 CPU 中

以下為方法2，從 GPU (cuda) 轉到 CPU 中。
在 `mxfont/trainer/trainer_utils.py` 第 107、108 行的 `cuda()` 改為 `cpu()`。


## torch.cuda.OutOfMemoryError: CUDA out of memory.

`torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 20.00 MiB (GPU 0; 11.00 GiB total capacity; 10.18 GiB already allocated; 0 bytes free; 10.23 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF`

錯誤：GPU 記憶體容量不足。
解決辦法：batch_size 改小一點。
在 `mxfont/cfgs/defaults.yaml` 改變 <font color="hotpink">**batch_size 值**</font>。


<font color="hotpink">★ **使用以下可以觀察 GPU 記憶體使用量**</font>

nvidia-smi

pip install gpustat
watch gpustat

# TRAIN 訓練

python train.py cfgs/train.yaml

<font color="hotpink">★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★</font>

`mxfont/data/ttfs/` 路徑下的資料夾放 Source 和 Refence 字型檔。
可用 `mxfont/get_chars_from_ttf.py` 轉 .txt。
(有些字型會失敗，不確定原因，不過可以自己設定所以影響不大)
此 txt 檔為要訓練的字，也可<font color="hotpink">**自行設定**</font>。

出現以下就代表已經開始訓練！！
在`mxfont/result/images/`能觀察到訓練結果。
每 10000 step 會存一次結果。
（總 step 數 預設 800000，可到 `mxfont/cfgs/defaults.yaml` 中的 `max_iter` 修改參數）

<font color="hotpink">★ **公用機**</font> 跑到 step 50000 就自己停止（有可能是空間不足？）花了 15 hrs 左右
<font color="hotpink">★ **北科AI運算平台**</font> 跑到 450000 step 花了 103 hrs 左右（相對公用機速度較快）

# TEST 生成

python eval.py cfgs/eval.yaml --weight generator.pth --result_dir path/to/save/images

<font color="hotpink">★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★★</font>

*--resultdir path/to/save/images: 參考風格圖像路徑*

`mxfont/data/chn_gen.json` 為訓練完生成的字集 Unicode。

`mxfont/cfgs/eval.yaml` 中的 `test: - data_dir: path to reference image`
放的是<font color="hotpink">**參考風格圖像**</font>路徑
<font color="red">**注意**</font>： 參考圖片要轉<font color="hotpink">**灰階**</font>變單軌（RGB為三軌）