7作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/122030093
目录
第1步:下载或克隆pytorch-CycleGAN-and-pix2pix所有代码
第2步:切换当前目录
第3步:安装依赖文件:
第4步:下载pix2pix数据集
第5步:下载预训练模型
第6步:训练模型
第7步:测试模型
第8步:可视化结果
!git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
也可以通过Windows浏览器下载:https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
备注:
需要把代码下载或拷贝到jupter的工作目录中。
import os
os.chdir('pytorch-CycleGAN-and-pix2pix/')
!pip install -r requirements.txt
torch>=0.4.1
torchvision>=0.2.1
dominate>=2.3.1
visdom>=0.1.8.3
# 备注:主要是可视化工具
bash ./datasets/download_pix2pix_dataset.sh [cityscapes, night2day, edges2handbags, edges2shoes, facades, maps]
支持的数据集:
也可以根据./datasets/download_pix2pix_dataset.sh的内容,获取数据集URL, 通过URL手工下载:Index of /pix2pix/datasets
备注:
说明:
预训练模型的重要:以预训练模型为基础,加快后续模型的训练过程,否则的话,需要非常长的时间进行训练才能收敛到较好的水平。因此,强烈建议下载预训练模型。
bash ./scripts/download_pix2pix_model.sh [edges2shoes, sat2map, map2sat, facades_label2photo, and day2night]
下载的预训练模型安装在如下的目录中:
./checkpoints/{NAME}_pretrained/ #名字必须与模型名一致,否则代码找不到预训练模型。
打开/scripts/download_pix2pix_model.sh,获得预训练模型的URL:
Index of /pix2pix/models-pytorch
支持的预训练模型包括(与数据集一致)
备注:不同的模型,有不同的数据集。
python train.py --dataroot ./datasets/facades --name facades_pix2pix --model pix2pix --direction BtoA
--dataroot ./datasets/facades: 指定数据集的路径
--name facades_pix2pix:与预训练mode的名称
--model pix2pix:模型分类:pix2pix or CycleGAN
--direction BtoA:训练方向。
--gpu_ids:0,1,..
to train on multiple GPUs, 在多GPU情况下,指定GPU id。batch_size: Batch size。
python test.py --dataroot ./datasets/facades --direction BtoA --model pix2pix --name facades_pix2pix
--dataroot ./datasets/facades: 指定数据集的路径
--name facades_pix2pix:与预训练mode的名称
--model pix2pix:模型分类。
--direction BtoA:训练方向
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客
本文网址:https://blog.csdn.net/HiWangWenBing/article/details/122030093