从零开始的CycleGAN学习笔记 运行随笔

源代码地址： https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
随手记录一下跑代码的时候遇到的一些情况和心得。

1. 下载数据集的时候，由于我这边用的是win10，而源代码是在linux环境下的，所以找了找怎么在win10底下运行.sh文件的方法，这个百度一下就有了（我用的是git bash 跳转到目标目录那直接跑就完事了） 但是当时一直报错说no file之类的还是啥的，找了半天没找出来，后来发现还是得按照他原格式的方法运行那个sh文件，我当时是直接cd进入了/datasets 子文件夹里头了，实际上不要那么做，在上一级文件夹运行就好了。
2. 刚开始运行的时候遇到的一个问题是，在可视化的时候报错：“[WinError 10061] 由于目标计算机积极拒绝，无法连接xxxx"之类的东西，后来发现是因为没看tips，其实有说到，要先安装visdom，其次运行python -m visdom.server 才可以。当时还有个搞笑的情况是在pycharm的终端运行这句之后不能干别的了，想输入语句跑训练的代码也不许，后来想了想在cmd里头跑这句，在pycharm那跑训练语句并输出就完事了。
3. 刚开始跑代码的时候对于他output的几个loss终极困惑，也不知道他输出的几个图是啥意思，后来才看明白，他在visdom上输出的那个小表格上的每一个格子对应着相应的图片，loss的话具体含义在另外一篇blog里头已经说了，看懂了这个就超级简单了。
4. 他这个model是前100个epoch学习率不变(0.002好像)，然后开始线性递减100个epoch这样，刚开始还没太看懂，后来发现这个东西是在option里头设定的。
5. 前几十个epoch效果挺烂的，到100个左右变得好起来了，但是还是一个问题，感觉像是在涂色，把棕色的马识别出来涂成斑马条纹，把斑马条纹涂成棕色。期间出现的情况有：其他颜色的马直接无视；只改变了马的情况，斑马根本没变；把杂草变成了斑马条纹（还有石头等等）；在把变成斑马的马还原回去的时候失去了一些原有特征（如眼睛等） 感觉是在根据颜色进行判断。在想能不能比如再加一个或两个D来判断哪些部分是“动物（马）”会比较好一点。图像有的地方糊的问题就不说了，传统艺能（不是）
   其实这样的话还会有个小问题，就比如说我源斑马图B可能色彩是偏棕色一点的，如果我把他扔进G_A里头（产出为idt_A）可能会比原图更“黑白”一点（有的结果里头看到了类似的情况），还有就是把比较“黑白”的B扔到G_B里头产生的fake_A有的时候背景会带上彩色（比如出现原图没有的蓝天），可能是迁移到了一些其他的背景信息。