学习CycleGAN-遇到的问题

①pip报错   更新OpenSSL（不确定有没有用）   +    删除pip文件夹（D:\anzhuanglujing\anaconda\anaconda3\Lib\site-packages依赖包中的） 
重新在pycharm中下载（不确定有没有用）+    pip 的时候需要指定镜像源 并加上信任该镜像源  
例pip install boost -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
几个常用：python -m pip install --upgrade pip
pip install -r D:\wangyr\yunse\pytorch-CycleGAN-and-pix2pix-master\requirements.txt
pip install visdom==0.1.8.8 -i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

②git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix需要下载git

报错wget  需要单独下载wget解压并放到
D:\anzhuanglujing\git\Git\mingw64\bin下

未解决问题fatal: unable to access 'https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/': 
Failed to connect to github.com port 443: Timed out
代码通过网页直接下载 

③bash ./datasets/download_cyclegan_dataset.sh [apple2orange, orange2apple, summer2winter_yosemite, winter2summer_yosemite, 
horse2zebra, zebra2horse, monet2photo, style_monet, style_cezanne, style_ukiyoe, style_vangogh, sat2map, map2sat, 
cityscapes_photo2label, cityscapes_label2photo, facades_photo2label, facades_label2photo, iphone2dslr_flower]
需要在git bash里 先进入到D:\wangyr\yunse\pytorch-CycleGAN-and-pix2pix-master文件夹里（只能一层一层cd）

④下载数据集 bash ./datasets/download_cyclegan_dataset.sh horse2zebra             './datasets/horse2zebra.zip' saved（好像先下载再自动解压成文件夹）
下载预训练模型 bash ./scripts/download_cyclegan_model.sh horse2zebra                  './checkpoints/horse2zebra_pretrained/latest_net_G.pth' saved

⑤数据集：/dataset为您的数据集创建一个数据集文件夹。
在数据集文件夹内创建子文件夹testA，testB，trainA，和trainB。将要从a转换为b的任何图像（cat2dog）放在testA文件夹中，
要将要从b转换为a的图像（dog2cat）放在testB文件夹中，并对trainA和trainB文件夹执行相同的操作。
预训练模型：或将您自己的预训练模型添加到 ./checkpoints/{NAME}_pretrained/latest_net_G.pt

python train.py --dataroot ./datasets/horse2zebra --name horse2zebra --model cycle_gan

⑥将--dataroot和--name更改为您自己的数据集路径和模型名称。使用--gpu_ids 0,1,..  在多个GPU上进行训练，并更改批大小。   使用CPU时选-1
我发现16个批量适合4台V100，可以在90秒内完成一个历元的训练。
一旦您的模型经过训练，将最后一个检查点复制为测试模型可以自动检测的格式：
Use cp ./checkpoints/horse2zebra/latest_net_G_A.pth ./checkpoints/horse2zebra/latest_net_G.pth 
if you want to transform images from class A to class B and 
cp ./checkpoints/horse2zebra/latest_net_G_B.pth ./checkpoints/horse2zebra/latest_net_G.pth 
if you want to transform images from class B to class A.

上面的将最后一个检查点复制为测试模型可以自动检测的格式没做

⑦（python test.py --dataroot ./datasets/horse2zebra --name horse2zebra --model cycle_gan）
python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout
选项--model test仅用于生成一侧的CycleGAN结果。此选项将自动将--dataset_mode设置为single，仅加载一组图像。
相反，使用--model cycle_gan需要在两个方向上加载和生成结果，有时这是不必要的。结果将保存在./results/。
使用--results_dir {directory_path_to_save_result}指定结果目录。
对于您自己的实验，您可能需要指定--netG，--norm和--no_dropout以匹配训练后的模型的生成器体系结构。

⑧cd D:\wangyr\yunse\pytorch-CycleGAN-and-pix2pix-master
python train.py --dataroot ./datasets/horse2zebra --name horse2zebra1 --model cycle_gan --gpu_ids -1
python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra1 --model test --no_dropout

官方给的使用方法，我把位置加到环境变量里了，不用cd到这个位置了。

⑨同时存在Python2和Python3 遇到了点问题

pip install visdom时默认使用python2 
python3 -m pip install visdom无事发生
暂时删掉环境变量C:\Python27\ArcGIS10.2\Scripts 无用
py -3 pip install visdom'py' 不是内部或外部命令，也不是可运行的程序或批处理文件。
将C:\Python27\ArcGIS10.2\python.exe和pythonw.exe改成了python2和pythonw2
输入Python显示This Python interpreter is in a conda environment, but the environment hasnot been activated. 网上找的，but我用了没用的方法们
激活
步骤一命令行：conda info --envs   获取Anaconda的地址
!!!!!!!!!!步骤二命令行：conda activate D:\anzhuanglujing\anaconda\anaconda3  把这里的C:\ProgramData\Anaconda3换成步骤一中的base  * 的这个地址。
步骤三重新查看：python 失败了 
管理员模式打开powershell，输入conda init 命令。之后在cmd中，键入conda activate，即可正常激活conda环境。（成功了但每次打开终端都需要重新conda activate）
成功pip install visdom 

⑩python -m visdom.server启动服务失败
找到D:\anzhuanglujing\anaconda\anaconda3\Lib\site-packages\tornado\platform\asyncio.py添加
if sys.platform == 'win32':
    asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy()) 
找到D:\anzhuanglujing\anaconda\anaconda3\Lib\site-packages\visdom\server.py添加如下代码
import asyncio
asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy())

python -m visdom.server
或后台运行nohup python -m visdom.server &(win不可用，Ubuntu可用)

⑪UserWarning: Detected call of `lr_scheduler.step()` before `optimizer.step()`. 
In PyTorch 1.1.0 and later, you should call them in the opposite order: `optimizer.step()` before `lr_scheduler.step()`.  
Failure to do this will result in PyTorch skipping the first value of the learning rate schedule. 
See more details at https://pytorch.org/docs/stable/optim.html#how-to-adjust-learning-rate
改成先optimizer优化后Ir_scheduler调试
把train.py43行换到78行（epoch最后）
运行了horse2zebra3 四个epoch后死机（重启又好了）

⑫PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader，该接口定义在dataloader.py脚本中，只要是用PyTorch
来训练模型基本都会用到该接口，该接口主要用来将自定义的数据读取接口的输出或者PyTorch已有的数据读取接口的输入
按照batch size封装成Tensor，后续只需要再包装成Variable即可作为模型的输入，因此该接口有点承上启下的作用，比较重要。
DataLoader类 先看看__init__中的几个重要的输入：1、dataset，这个就是PyTorch已有的数据读取接口
（比如torchvision.datasets.ImageFolder）或者自定义的数据接口的输出，该输出要么是torch.utils.data.Dataset类的对象，
要么是继承自torch.utils.data.Dataset类的自定义类的对象。2、batch_size，根据具体情况设置即可。
3、shuffle，一般在训练数据中会采用。4、num_workers，从注释可以看出这个参数必须大于等于0，0的话表示数据导入在主进程中进行，
其他大于0的数表示通过多个进程来导入数据，可以加快数据导入速度。
在__init__中，RandomSampler类表示随机采样且不重复，所以起到的就是shuffle的作用。BatchSampler类则是把batch size个
RandomSampler类对象封装成一个，这样就实现了随机选取一个batch的目的。（是截取的不知道哪位写的话，当时好像代码里用到了这个接口搜了一下，不知道用不用得上就先抄在笔记上了）

⑬安装gdal https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal下载  
放到D:\anzhuanglujing\anaconda\anaconda3\Scripts
cd D:\anzhuanglujing\anaconda\anaconda3\Scripts
pip install GDAL-3.2.2-cp38-cp38-win_amd64.whl

⑭(unicode error) 'unicodeescape' codec can't decode bytes in position 2332-2333: truncated \uXXXX escape
解决：代码中
“““中的文字”””
也不能有\

⑮Traceback (most recent call last):
  File "train.py", line 52, in
    model.optimize_parameters()   # calculate loss functions, get gradients, update network weights计算损失函数 得到梯度 更新网络权重
  File "D:\wangyr\yunse\pytorch-CycleGAN-and-pix2pix-master\models\cycle_gan_model.py", line 190, in optimize_parameters
    self.backward_G()             # calculate gradients for G_A and G_B
  File "D:\wangyr\yunse\pytorch-CycleGAN-and-pix2pix-master\models\cycle_gan_model.py", line 162, in backward_G
    self.idt_A = self.netG_A(self.real_B)
  File "D:\anzhuanglujing\anaconda\anaconda3\lib\site-packages\torch\nn\modules\module.py", line 532, in __call__
    result = self.forward(*input, **kwargs)
  File "D:\wangyr\yunse\pytorch-CycleGAN-and-pix2pix-master\models\networks.py", line 382, in forward
    return self.model(input)
  File "D:\anzhuanglujing\anaconda\anaconda3\lib\site-packages\torch\nn\modules\module.py", line 532, in __call__
    result = self.forward(*input, **kwargs)
  File "D:\anzhuanglujing\anaconda\anaconda3\lib\site-packages\torch\nn\modules\container.py", line 100, in forward
    input = module(input)
  File "D:\anzhuanglujing\anaconda\anaconda3\lib\site-packages\torch\nn\modules\module.py", line 532, in __call__
    result = self.forward(*input, **kwargs)
  File "D:\anzhuanglujing\anaconda\anaconda3\lib\site-packages\torch\nn\modules\conv.py", line 345, in forward
    return self.conv2d_forward(input, self.weight)
  File "D:\anzhuanglujing\anaconda\anaconda3\lib\site-packages\torch\nn\modules\conv.py", line 341, in conv2d_forward
    return F.conv2d(input, weight, self.bias, self.stride,
RuntimeError: [enforce fail at ..\c10\core\CPUAllocator.cpp:72] data. DefaultCPUAllocator: not enough memory: you tried to allocate 822083584 bytes. Buy new RAM!

buy就bye，好吧，换了个电脑跑

最后是跑通了，正在写论文中……

⑯整体步骤conda activate D:\anzhuanglujing\anaconda\anaconda3或者 source activate wyr（切换环境）

python -m visdom.server（确保没被占用，被占用了就kill一下）

python train.py --dataroot ./datasets/datasetone --name yunse2 --model cycle_gan --gpu_ids -1 --n_epochs 200 --n_epochs_decay 200（限定训练200个）

待补充