使用 gan-qp 做动漫头像生成实验

代码托管在github
https://github.com/One-sixth/gan-qp-mod-pytorch

我使用 gan-qp 在我的动漫头像数据集（3.7w张图像）上训练的，不过效果不怎么好，也许是数据集太小了，或者卷积核数量太少了。
少了也没办法，显存限制了我的想象力。
在这个模型上，Checkpoint基本没有加速作用，节省的显存太少了，所有没有用。

模型1 一开始训练时，生成器的最后一层没有使用激活函数，发现生成的图像有杂色。
后来停止训练，生成器的最后一层使用Tanh函数，再继续训练，杂色消失了。

模型3 使用了新的数据集进行训练，旧的数据集丢了。
新的数据集来自 https://github.com/ANIME305/Anime-GAN-tensorflow

模型1 16000次迭代

模型2 12800次迭代

模型3 10000次迭代

相比原始实现
模型1
减少了一些卷积核
增加 minibatch_stddev 层
使用 Fixup init 初始化卷积层

模型2
相比模型1增加了一些卷积核，如果使用模型1中的卷积核数量，效果更差。。
使用 Conv+Upsample 替换掉模型1中的Deconv

模型3
只是替换5x5卷积到3x3卷积而已。

Sample 文件夹内有我训练过程中生成图像

尝试生成图像

把储存库download下来

使用模型1生成图像
生成图像在 test_out 文件夹内

python3 test.py

使用模型2生成
生成图像在 test_out2 文件夹内

python3 test2.py

训练自己的数据

训练模型1
删掉所有的 .pt 文件
打开文件 gan-qp-torch.py
修改 img_dir = r’…/datasets/faces/*.jpg’ 到你的数据集位置
根据自己的显存大小修改 batch_size （在144行），要求为4的倍数，因为minibatch_stddev层的要求
保存文件，执行以下命令开始训练

python3 gan-qp-torch.py

模型2的训练过程与上面相似