Cycle GAN 模型的调试

点击查看Github上的Cycle GAN 模型

本次的实验环境：

• LINUX（Ubuntu 16.04）
• python3.6
• Nvidia GPU 1080 Ti
• Cuda 9.0
• Cudnn 7.0.4

安装：

1、安装Pytorch 0.4

conda install pytorch=0.4 cuda90 -c pythorch

2、安装visdom and dominate

pip install visdom dominate

3、下载github中cycleGAN模型文件夹

git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
cd pytorch-CycleGAN-and-pix2pix

4、安装所有的依赖

pip install -r requirements.txt

5、下载数据集

bash ./datasets/download_cyclegan_dataset.sh maps

或者点击taesung_park网址下载所需数据集(教育网址)

训练Train

• 先启用visdom.server，启用过程会遇到一系列问题，请点击查看解决方案。visdom启用问题解决方案

python -m visdom.server

        通过在浏览器输入http：// localhost：8097（端口号可以在上述指令后面 添加-p 8098）查看训练结果和loss。此         外./checkpoints/maps_cyclegan/web/index.html可以查看中间结果（可以在该目录的文件夹中找到index.html点击打开）

• 使用已有数据集训练

       1、将下载的数据集拷贝到datasets目录下

       2、训练模型 

python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

• 使用自己创建的数据集训练

      1、构建数据集mydatasets，分为trainA与trainB两个子文件夹

      2、训练模型，只需将上面指令中的数据集名称与name更改

python train.py --dataroot ./datasets/mydatasets --name mydatasets_cyclegan --model cycle_gan

测试Test

• 测试模型

python test.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

测试结果可以通过./results/maps_cyclegan/latest_test/index.html查看。

应用训练好的模型

生成结果

python test.py --dataroot ./datasets/facades/testB --name {your_trained_model_name} --model test

--model test用来生成CycleGAN一边（跟输入相关）的结果；--model cycle_gan是加载和生成两边的结果。结果被保存在result文件夹里。使用--results_dir {directory_path_to_save_result}可以定义输出结果的位置。

如果将预训练模型用于输入图像集上（而不是成对的图像上），请使用--dataset_model single and --model test 。你可能需要定义--which_model_netG 来确定训练模型的生成模型。