A、用GAN生成新的图像和groundtruth
10:49~11：30 找到GAN的代码：最好是Python3+pytorch的（tensorflow也没事）
(tip：可以找李宏毅的作业3的代码)
搜索关键词：MLDS hw3-1
https://github.com/WaitingLin/Image_generation/blob/master/gan.py
https://github.com/perry0513/MLDS_hw3 （我打算用这个程序去跑）
I. 研究代码一
1、直接运行，一步一步解决报错
问题1：安装完之后再python环境里import tensorflow还是显示没有这个模块
参考自己之前的日记吧。
https://www.jianshu.com/writer#/notebooks/27519393/notes/30773541
还是自己的日记靠谱。安装成功。
import tensorflow的时候import成功。
问题2：在data_processor里导入cv2导入不成功
参考网站：https://blog.csdn.net/qq_32846595/article/details/79264071
问题3：研究图像存放路径
在data_processor.py中，我们发现：图片存放路径为：“./AnimeDataset/extra_data/images/”
问题4：代码中的extra_face.npy文件是啥？
暂时还不知道
问题5：报错如下：
ValueError: Variable discriminator/conv2d/kernel/RMSProp/ already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? Originally defined at:
果然有人跟我遇到过一样的问题哎，比如这个网站：https://stackoverflow.com/questions/47296969/valueerror-variable-rnn-basic-rnn-cell-kernel-already-exists-disallowed-did-y
我先试试解决办法1：tf.reset_default_graph() 果然没有报一样的错误了。
我再试试解决办法2：把上面那句话注释掉，然后restart一遍，依旧成功了。(*^▽^*)
问题6：在data_process里的imread那里报错了
Spyder的断点调试（之前只用过Pycharm的断点调试）
从左往右是 开始调试，逐行运行，查看本行中的函数、方法的代码，把所在的函数、方法运行完，运行到下一个断点，结束调试。
这句报错其实就单独运行这一句就好啦。
果然我单独写了一个程序：
import cv2
a = cv2.imread('./AnimeDataset/extra_data/images/'+'1'+".jpg")
print(a)
发现a是空的哎
（原来自己什么都没有往文件夹里面放啊 蠢死了） 丢了101个图进去。
但是这里还是报错，于是我进行了print(i)
我想看看是哪一个i读不出来。
但是报错：inconsistent use of tabs and spaces in indentation
明白原因了！！！！image_sum是自己取的数字，取的是image_sum为36739。
换成101就可以啦！
问题7：参数在哪里传进去呀？首先你要用GAN，而不是WGAN
if type == 'gan':
model = GAN(noise_dim)
elif type == 'dcgan':
model = DCGAN(noise_dim)
else:
model = WGAN(noise_dim)
我把这里改成了：
if type == 'wgan':
model = WGAN(noise_dim)
elif type == 'dcgan':
model = DCGAN(noise_dim)
else:
model = GAN(noise_dim)
这样运行的就是GAN的程序。
问题8：
Trying to share variable generator/dense/kernel, but specified shape (128, 512) and found shape (128, 6144).
这个问题我暂时解决不来。。。。
II. 研究代码二
https://github.com/WaitingLin/Image_generation
我在文件夹下建立了一个新的文件夹dataset，再建立一个faces文件夹，里面放入编号为0~100的101个图
服务器上没有tensorflow，需要自己装。
缺哪个包，就 pip install 哪个包 就可以了。
重要：在Linux上安装tensorflow
报错：“Could not find a version that satisfies the requirement tensorflow-gpu (from versions: )No matching distribution found for tensorflow-gpu”
好像python3.6要用pip3安装tensorflow的哎！
试试看能不能用anaconda进行安装。
参考网站:https://blog.csdn.net/hgdwdtt/article/details/78633232\
在没有sudo的情况下在Linux上的python3的环境下安装tensorflow的方法
1、创建一个conda环境：conda create -n tensorflow python=3.6
2、激活这个环境：source activate tensorflow
3、在这个环境下安装：pip install --upgrade tensorflow就可以了
注意：但是其他的包也要全部重新安装一遍的。。。。。
在自己建立的tensorflow环境下安装PIL包
pip install Pillow
于是顺利开始了pretrain discriminator了。（其实我觉得叫做train就可以了为什么叫做pretrain呢？（自己查原因））
这里注意：training_path和img_dir的区别，以及model_dir
这段代码还是不行，跑不出来。
III、研究代码三
https://github.com/carpedm20/DCGAN-tensorflow
1、先按照他的步骤跑他的代码
2、带入自己的数据跑代码
这次肯定能跑出来的！
（1）在主文件夹下，新建一个data的文件夹。再新建一个文件夹，比如命名为face，再放图片进去。原来的代码里的图片一般是jpg形式的。
（2）自己查看了运行参数：
readme中的两行train的代码如下：
python main.py --dataset mnist --input_height=28 --output_height=28 --train
input_height："The size of image to use (will be center cropped).”
output_height：“The size of the output images to produce ” 比如如果是64的话，那么输出则是64*64
test运行代码：
python main.py --dataset cell --input_height=1024 --output_height=1024
结果存在sample文件夹里
（3）那么自己运行的时候
首先，batchsize改成2.
其次，train的命令行代码为：
python main.py --dataset cell --input_height=1024 --output_height=1024 --train
欧对 记得激活tensorflow环境，在
记得在main里改图片格式 改成tif
改了main.py这一行：flags.DEFINE_string("input_fname_pattern", "*.tif", "Glob pattern of filename of input images [*]")
改了modle.py的第21行：input_fname_pattern='*.tif', checkpoint_dir=None, sample_dir=None, data_dir='./data'):
结果好像有一点OOM了。
所以batchsize取1，然后epoch取10，试试看？
都oom了居然还能跑epoch.....那等会看看结果吧。。。。。。
test的代码为：python main.py --dataset mnist --input_height=1024 --output_height=1024
改为：
python main.py --dataset cell --input_height=256 --output_height=256
效果还是很差。我觉得问题出现在load failed上面，明天再去研究
B、做完object evaluation
1、用到的软件是ITKsnap和imageJ
2、imageJ自己下载过了。所以先下载ITKsnap