[Pytorch系列-68]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型测试CycleGAN模型

最新推荐文章于 2023-05-27 18:30:50 发布

文火冰糖的硅基工坊

最新推荐文章于 2023-05-27 18:30:50 发布

阅读量1.6w

点赞数 5

分类专栏：人工智能-PyTorch 文章标签： pytorch 深度学习人工智能 CycleGAN 使用

本文链接：https://blog.csdn.net/HiWangWenBing/article/details/122071545

版权

人工智能-PyTorch 专栏收录该内容

119 篇文章 191 订阅

订阅专栏

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/122071545

第1步：下载或克隆pytorch-CycleGAN-and-pix2pix所有代码

第1章概述

1.1 代码架构与总体思路

[Pytorch系列-63]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 代码总体架构_文火冰糖（王文兵）的博客-CSDN博客作者主页(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：目录第1章理论概述1.1普通GAN, pix2pix, CycleGAN和pix2pixHD的演变过程第2章 CycleGAN-and-pix2pix代码下载2.1 github代码链接2.2 github使用说明2.3 代码下载第3章CycleGAN-and-pix2pix代码代码结构3.1 目录结构3.2 图片转换的两大功能3.3 启动程序的三种方法..https://blog.csdn.net/HiWangWenBing/article/details/121940011

1.2 本章基本思路

（1）选择命令行或jupter进行测试

（2）选择所需要硬盘空间小的数据进行测试

（3）熟悉pytorch-CycleGAN-and-pix2pix项目的使用

（4）熟悉CycleGAN的使用效果

第2章测试步骤

第1步：下载或克隆pytorch-CycleGAN-and-pix2pix所有代码

如果已经完成，可以跳过此步骤。

（1）Linux 命令行方式：!git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

（2）Windows浏览器下载：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

备注：

可以把代码下载或拷贝到jupter的工作目录中，以便后续可以通过jupter运行代码。

第2步：切换当前目录

（1）运行方式

Windows 命令行方式：

cd xxx

jupter方式：

import os
os.chdir('pytorch-CycleGAN-and-pix2pix/')

第3步：安装依赖文件（可视化工具）

如果已经完成，可以跳过此步骤。

Windows 命令行方式

pip install -r requirements.txt

Jupter方式

!pip install -r requirements.txt

torch>=0.4.1
torchvision>=0.2.1
dominate>=2.3.1
visdom>=0.1.8.3

第4步：下载CycleGAN数据集

（1）下载方式

Linux 命令行方式

bash ./datasets/download_cyclegan_dataset  horse2zebra

Jupter方式

!bash ./datasets/download_cyclegan_dataset horse2zebra

Windows浏览器方式

根据./datasets/download_cyclegan_dataset.sh的内容，获取数据集URL，通过URL手工下载：

https://people.eecs.berkeley.edu/~taesung_park/CycleGAN/datasets/

备注：

这里选择horse2zebra：马到斑马的转换。

（2）数据集的存放路径

存放路径：pytorch-CycleGAN-and-pix2pix\datasets

备注：必须同名，不能改名

（3）小型数据集

summer2winter_yosemite：夏天转换成冬天
horse2zebra：马到斑马的转换
apple2orange：苹果到橙子的转换
facades：建筑物的转换
mini：min数据的马到斑马的转换

第5步：下载预训练模型

（1）下载方式

Linux命令行方式

bash ./scripts/download_cyclegan_model horse2zebra

jupter方式

!bash ./scripts/download_cyclegan_model horse2zebra

Windows方式

根据download_cyclegan_model.sh脚步的内容，获取链接：

http://efrosgans.eecs.berkeley.edu/cyclegan/pretrained_models/

（3）支持的模型

（2）存放路径

./checkpoints/{NAME}_pretrained/latest_net_G.pth

xxx为模型名称。

备注：

需要把模型的名称，改为latest_net_G.pth，并存放在{NAME}_pretrained目录中。

第6步：模型测试

（1）运行方式

命令行方式：

python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

python test.py --dataroot datasets/apple2orange/testA --name apple2orange_pretrained --model test --no_dropout

python test.py --dataroot datasets/summer2winter_yosemite/testA --name summer2winter_yosemite_pretrained --model test --no_dropout

Jupter方式：

!python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

!python test.py --dataroot datasets/apple2orange/testA --name apple2orange_pretrained --model test --no_dropout

!python test.py --dataroot datasets/summer2winter_yosemite/testA --name summer2winter_yosemite_pretrained --model test --no_dropout

（2）主要参数