Multimodal Unsupervised Image-to-Image Translation（MUNIT）在windows系统源码调试

最近研一刚刚开学，由于在本科期间真的没有接触过人工智能、机器学习、深度学习这些东西，真的是一无所知。导师就给布置了第一项任务，就是从网上给我们找了一篇经典论文，让我们把代码在自己电脑上调试成功，在服务器上跑起来，并用我们自己的数据集训练模型。这个过程真的无比曲折啊。

项目背景

MUNIT: Multimodal UNsupervised Image-to-image Translation
论文下载链接：https://arxiv.org/abs/1804.04732

开源代码

https://github.com/nvlabs/MUNIT

提示

其实大家也可参照项目文件夹下的USAGE.md或TUTORIAL.md，我在安装一些库的版本选择时也参照了文件，但是因为我们是在Windows系统下，所以步骤不完全相同，可以配置文件与我的配置步骤对比学习

配置步骤

1. 安装新的虚拟环境：conda create -n imgToimg python=3.6

2. conda install cudatoolkit=9.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

3. 从python官网选择pytorch版本下载下来
   

4. pip install torch-0.4.1-cp36-cp36m-win_amd64.whl（在文件目录下打开终端）

5. pip install torchvision==0.2.1

6. pip install pyyaml

7. pip install tensorboard

8. pip install tensorboardX==2.2

9. utils.py文件中102行：
   a. 把return yaml.load(stream)改为yaml.load(stream, Loader=yaml.FullLoader)

10. 进入configs文件夹，打开edges2handbags_folder.yaml文件
    a. 将logger options下的display_size: 16改成display_size: 8

11. 运行train.py文件，训练模型
    a. python train.py --config configs/edges2handbags_folder.yaml

12. 运行时如果报错“页面文件太小，无法完成操作”，需要增加虚拟内存可用硬盘空间大小，参考Pytorch训练提示错误：“页面文件太小，无法完成操作”解决，然后重启电脑即可

13. 报错： in the main module:
    if name == ‘main’:
    freeze_support()
    该错误主要是没有在 linux 环境下导致的结果，在 train.py 的19行添加：
    if name == ‘main’
    如下：

    import shutil
    if __name__ == '__main__':
    	parser = argparse.ArgumentParser()
    	……
    

    其后的所有代码都右移一个 tab 键。

14. 调试成功开始跑以后，控制台打印如下：
    

15. 最大训练迭代次数max_iter：1000000太大了，跑完训练模型需要大量时间。要想缩短运行时间可以把configs/edges2handbags_folder.yaml中改为max_iter：10000