CycleGan的简单运行
转载：http://blog.sina.com.cn/s/blog_a99f842a0102xf9z.html
一、环境配置——创建conda虚拟环境，安装python3.5+pytorch+cuda8.0+cudnn
0. 安装anaconda1.创建conda虚拟环境+安装python3.5
conda create -n xxxxx python=3.5
（xxxxx表示自定义环境名字，=后面是python版本号）
2.1 进入虚拟环境 # To activate this environment, use:
source activate xxxxx
2.2 退出虚拟环境 # To deactivate an active environment, use:
source deactivate
现在先进入虚拟环境，进行后续安装！
3.1 安装pytorch+cuda8.0+cudnn7.0
conda install pytorch torchvision -c pytorch
3.2 顺便装tensorflow-gpu
conda install tensorflow-gpu
3.3 安装一些必备工具包
conda install xxx 或者 pip install xxx
鉴于后续报错， 缺少某些工具，如：
ImportError: No module named 'dominate' （dominate是一个python库，用于创建HTML文件）
ImportError: No module named 'scipy' （scipy是python的科学计算工具包）
ImportError: No module named 'visdom' （visdom是pytorch可视化工具）
请先安装：
pip install dominate
pip install scipy
pip install visdom
4. 测试安装是否成功：（进入虚拟环境→进入python→pytorch / tensorflow，没有报错即表示成功）
source activate python3.5
python
import tensorflow as tf
import torch
二、准备工程文件
1. 下载github代码压缩包
CycleGAN and pix2pix in PyTorch
2. 解压文件
unzip 文件名.zip
3. 进入文件夹
cd 文件名
这里下载解压好后就是：cd pytorch-CycleGAN-and-pix2pix
三、指定一块GPU运行
1. 查看GPU情况：（找一个空闲GPU→记录id）
nvidia-smi
nvidia-smi -l 自动刷新显示
watch -n 1 nvidia-smi 动态显示
2.1 如果没有空闲的GPU，那么就要释放GPU资源，可以终止某些进程......【前提是你知道这个进程没用了...】
（比如看到PID=20957的进程占用显存，杀掉它...）
kill 20957
或者 kill -20957 pid
2.2 如果nvidia-smi下没有显示任何进程，但GPU资源仍然被占用
fuser -v /dev/nvidia* #查找占用GPU资源的PID
然后按2.1的方式kill掉。
3. 指定GPU：（比如看到id=0的GPU空闲）
CUDA_VISIBLE_DEVICES=0
使用指定GPU运行.py文件：CUDA_VISIBLE_DEVICES=0 python 文件名.py
------------------------------------
准备工作完成。
接下来正式开始。
以下整理自 CycleGAN train/test
------------------------------------
四、准备数据集
1. 下载现成数据集：bash ./datasets/download_cyclegan_dataset.sh maps
（数据集会保存在 pytorch-CycleGAN-and-pix2pix/datasets/maps 文件夹中）
或者
2. 自备数据集：
准备一个文件夹try，里面包含四个文件夹trainA、trainB、testA、testB，每个文件夹内分别放有若干图片
复制到 pytorch-CycleGAN-and-pix2pix/datasets/ 下
五、训练模型
1. 训练模型
python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan --no_dropout
这行代码的意思是：
python train.py：运行train.py，附带一堆参数
--dataroot ./datasets/maps：数据集使用./datasets/maps
--name maps_cyclegan ：训练的新模型命名为 maps_cyclegan
--model cycle_gan ：预训练模型，使用cycle_gan（这个代码还提供pix2pix，要求训练集A和B图片成对）
--no_dropout ：不使用dropout
运行时指定个GPU吧！（前面加CUDA_VISIBLE_DEVICES=id号）如：
CUDA_VISIBLE_DEVICES=0 python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan --no_dropout
----------------------------------------------------------------
顺利的话就开始跑模型啦。（不改动内容的话会占用3G显存）
但人生总不会这么顺利。。。
中间挫折写在下一篇。。。
-----------------------------------------------------------------
2. 查看训练结果和损失图
python -m visdom.server
and click the URL: http://localhost:8097
3. 查看中间结果
保存为HTML文件，位置在 ./checkpoints/maps_cyclegan/web/index.html
六、测试模型
1. 跑测试
python test.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan --phase test --no_dropout
和训练阶段基本一样，除了一个参数：--phase test
2. 查看测试结果
保存为HTML文件，位置在 ./results/maps_cyclegan/latest_test/index.html
结束。
跑一个现成模型代码就是这么舒服。（如果不提中间遇到的各种麻烦...）
但这只是傻瓜式操作，（我承认我傻......orz）
进一步，请移步其他人的著作：
要想知道各文件的构成：
pytorch-cycleGAN网络文件的理解
要想知道代码奔跑中发生了什么，以及一些操作注意事项：
pytorch下利用cycleGAN摘除人脸眼镜实验
要想知道代码具体逻辑：
带你理解CycleGAN，并用TensorFlow轻松实现
下一篇。写中间遇到的各种麻烦... http://blog.sina.com.cn/s/blog_a99f842a0102xfaz.html