FastGen

环境要求

• Python 3.12.3（README 指定的 conda 环境版本）
• conda（Miniconda/Anaconda）或官方 Docker 容器
• Git，用于克隆仓库
• 建议具备 NVIDIA GPU（项目为 PyTorch 扩散模型训练/推理；README 未明确列出显存要求）

安装与启动步骤

1. 1克隆仓库

   把 FastGen 源码克隆到本地，之后所有命令都在该仓库目录内执行。

   git clone https://github.com/NVlabs/FastGen.git

   复制

2. 2创建 conda 环境

   按 README 指定的 Python 3.12.3 新建独立环境，避免与系统环境冲突。

   conda create -y -n fastgen python=3.12.3 pip

   复制

3. 3激活并进入目录

   激活刚创建的环境，并切换到克隆下来的源码目录。

   conda activate fastgen
   cd FastGen

   复制

4. 4安装项目依赖

   以可编辑模式安装项目本体及其依赖，便于后续修改代码。

   pip install -e .

   复制

5. 5ARM64 装 CUDA 版

   仅在 ARM64 机器上需要：PyPI 只提供 CPU 版 PyTorch，须先装 CUDA 版再装项目。

   pip install "torch>=2.10,<2.11" "torchvision>=0.25,<0.26" --index-url https://download.pytorch.org/whl/cu130
   pip install -e .

   复制

6. 6下载数据与模型

   先用脚本下载 CIFAR-10 数据集和预训练 EDM 模型，再运行后续实验。

   python scripts/download_data.py --dataset cifar10

   复制

如何确认成功

conda 环境激活后 pip install -e . 无报错，且 download_data.py 脚本执行完成、数据与预训练模型成功下载。

常见问题

注意事项

• 当前代码库为早期访问，包含实验性功能，接口与默认行为可能变动。
• README 中的实验数值基于 v0.1.0 发布版本，复现时建议固定该版本。
• README 未给出显存、训练时长等硬件指标，请按自有资源调整批次与模型规模。
• 所有命令需在激活 fastgen 环境并进入 FastGen 目录后执行。