ShaderLight

Furlab TGAC-2025 高性能AI渲染AI 赛道 压缩算法

How to start dev environment

1. Install UV. You can use either of following:

   # universal
   pip install uv
   pipx install uv
   # macos/linux
   brew install uv
   # windows
   winget install --id=astral-sh.uv  -e
   scoop install main/uv

2. Run uv sync to automatically create venv and install dependencies

3. You are ready to go.

目录描述

• configs 实验的配置文件，所有的实验细节通过复写新的配置指定
• src.modelsnn 的定义放在这里
• src.data 数据集相关代码
• src.lightning_models 训练过程定义。

训练流程

1. 参照src.models.Examplemodel 实现你的nn模块
2. 复制一份 configs/base.y 修改 model.module 指向你的模型, args是非定量的参数，你可以在这里传入你的自定义参数。 如果有需要用到模型的上下文，请lilightning的架构规范，实现自lilightningmodule，并更新你的train函数
3. 参照注释调整其他参数
4. 运行python train.py --config configs/YOUR_CONFIG_YAML

压缩

使用compression.py

1. 修改 configs/base.yaml里面的dataset/root, 到你的数据集位置。

2. 修改锁需要训练的需要的range

3. python -m compression --config configs/TimeBlockCmp_Release_demo.yaml

导出二进制压缩文件

将ckpt训练结果，导出为量化后的bin python -m utools.ckpt_2_bin --config PATH_TO_YOUR_CONFIG.yaml

links

• 我们的共享知识空间： TGAC-2025

其他

毛茸茸拯救世界！