feat: add models

models/GAN/minimal_example.py

@@ -0,0 +1,136 @@
+"""
+Минимальный пример использования GAN trainer для преобразования Yandex → Google карт.
+
+Этот пример показывает самый простой способ использования тренера.
+"""
+
+import sys
+from pathlib import Path
+
+import torch
+from torch.utils.data import DataLoader, Dataset
+
+# Добавляем путь к модулям
+sys.path.append(str(Path(__file__).parent.parent.parent))
+
+from models.GAN.gan import create_image_gan
+from models.GAN.trainer import GANTrainer
+
+
+class SimpleMapDataset(Dataset):
+    """Простой датасет с фиктивными данными для примера."""
+
+    def __init__(self, num_samples=100, image_size=(256, 256)):
+        self.num_samples = num_samples
+        self.image_size = image_size
+
+    def __len__(self):
+        return self.num_samples
+
+    def __getitem__(self, idx):
+        # Создаем фиктивные изображения
+        # В реальном коде замените на загрузку реальных изображений
+        yandex_img = torch.randn(3, self.image_size[0], self.image_size[1])
+        google_img = torch.randn(3, self.image_size[0], self.image_size[1])
+
+        return {"yandex_img": yandex_img, "google_img": google_img}
+
+
+def main():
+    """Основная функция минимального примера."""
+    print("Минимальный пример использования GAN trainer")
+    print("=" * 50)
+
+    # 1. Конфигурация (минимальный набор параметров)
+    config = {
+        "learning_rate": 2e-4,
+        "batch_size": 4,
+        "output_dir": "runs/gan_minimal",
+    }
+
+    # 2. Устройство (CPU или GPU)
+    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+    print(f"Используемое устройство: {device}")
+
+    # 3. Создание модели
+    print("\nСоздание GAN модели...")
+    model = create_image_gan(
+        input_channels=3,
+        output_channels=3,
+        gan_mode="vanilla",  # Простейший режим
+        lambda_L1=100.0,  # Стандартный вес L1 потерь
+        use_cuda=(device.type == "cuda"),
+    )
+
+    # 4. Создание даталоадеров
+    print("Создание даталоадеров...")
+    train_dataset = SimpleMapDataset(num_samples=50)
+    val_dataset = SimpleMapDataset(num_samples=10)
+
+    train_loader = DataLoader(
+        train_dataset,
+        batch_size=config["batch_size"],
+        shuffle=True,
+        num_workers=0,
+    )
+
+    val_loader = DataLoader(
+        val_dataset,
+        batch_size=config["batch_size"],
+        shuffle=False,
+        num_workers=0,
+    )
+
+    print(f"  Обучающих примеров: {len(train_dataset)}")
+    print(f"  Валидационных примеров: {len(val_dataset)}")
+
+    # 5. Создание тренера
+    print("\nСоздание тренера...")
+    trainer = GANTrainer(
+        model=model,
+        train_loader=train_loader,
+        val_loader=val_loader,
+        device=device,
+        config=config,
+    )
+
+    # 6. Обучение на небольшом количестве эпох
+    print("\nЗапуск обучения (3 эпохи для примера)...")
+    print("=" * 50)
+
+    trainer.train(num_epochs=3)
+
+    # 7. Генерация примеров
+    print("\nГенерация примеров преобразования...")
+    model.eval()
+
+    # Создаем тестовые данные
+    test_yandex = torch.randn(2, 3, 256, 256).to(device)
+
+    with torch.no_grad():
+        generated_google = model(test_yandex)
+
+    print(f"Входные изображения: {test_yandex.shape}")
+    print(f"Сгенерированные изображения: {generated_google.shape}")
+    print(
+        f"Диапазон значений: [{generated_google.min():.3f}, {generated_google.max():.3f}]"
+    )
+
+    # 8. Сохранение финальной модели
+    print("\nСохранение модели...")
+    model_save_path = "gan_model_minimal.pth"
+    torch.save(model.state_dict(), model_save_path)
+    print(f"Модель сохранена в: {model_save_path}")
+
+    print("\n" + "=" * 50)
+    print("Минимальный пример завершен!")
+    print("\nДля реального использования:")
+    print("1. Замените SimpleMapDataset на ваш реальный датасет")
+    print("2. Настройте параметры в config")
+    print("3. Увеличьте количество эпох (например, до 100)")
+    print("4. Используйте реальные изображения карт")
+    print("=" * 50)
+
+
+if __name__ == "__main__":
+    main()