实现CycleGAN对图片进行风格转换

实现CycleGAN对图片进行风格转换

参考官方源码：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

常见问题参考：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/blob/master/docs/qa.md

 

1、前提条件

（1）系统软件

• Linux或macOS或Windows（亲测在windows上可以跑通，流程一样）
• Python 3
• CPU或NVIDIA GPU + CUDA CuDNN

 

（2）安装[PyTorch]0.4+（http://pytorch.org）和其他依赖项（例如，torchvision，visdom和dominate）。

• 对于pip用户，请键入命令：pip install -r requirements.txt
• 对于Conda用户，提供了一个安装脚本./scripts/conda_deps.sh。或者可以创建一个新的Conda环境conda env create -f environment.yml。
• 对于Docker用户，提供了预先构建的Docker image和Dockerfile。参考Docker页面。

 

（3）下载源码

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

 

2、实现CycleGAN训练/测试：

（1）下载CycleGAN数据集（例如地图maps）：使用git bash工具。

bash ./datasets/download_cyclegan_dataset.sh maps

（2）打开visdom模型可视化工具，用于查看训练结果和损失图：单击URL http：// localhost：8097 进行查看。

python -m visdom.server

（3）训练模型：中间结果保存路径：./checkpoints/maps_cyclegan/web/index.html。

#!./scripts/train_cyclegan.sh
python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

（4）测试模型：测试结果保存路径：./results/maps_cyclegan/latest_test/index.html。

#!./scripts/test_cyclegan.sh
python test.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

 

3、使用CycleGAN训练/测试monet2photolittle：

（1）下载CycleGAN数据集中的monet2photo数据集进行修改：

trainA：500张图片，trainB：1500张图片，testA：50张图片，testB：150张图片，

（2）打开visdom模型可视化工具，用于查看训练结果和损失图：单击URL http：// localhost：8097 进行查看。

python -m visdom.server

（3）训练模型：中间结果保存路径：./checkpoints/monet2photolittle_cyclegan/web/index.html。

#!./scripts/train_cyclegan.sh
python train.py --dataroot ./datasets/monet2photolittle --name monet2photolittle_cyclegan --model cycle_gan

（4）测试模型：测试结果保存路径：./results/monet2photolittle_cyclegan/latest_test/index.html。

#!./scripts/test_cyclegan.sh
python test.py --dataroot ./datasets/monet2photolittle --name monet2photolittle_cyclegan --model cycle_gan

（5）部分训练测试结果：real_A：输入x，fake_B：生成G(x)，rec_A：重建F(G(x))。

训练结果可视化

测试结果可视化