**# UGAN代码下载
链接:https://pan.baidu.com/s/1KTcXXnkUwsxlipWFmh5jSA
提取码:1234
复制链接下载UGAN代码
训练你自己的数据集
解压代码找到train.py
设置你的超参数
存放cheeckpoint和结果保存的路径,如果没有对应的文件夹,新建即可,也可以修改保存路径,为了简便这里不做改动。
这里没带引号的是你之前设置的超参数的值。
保存pickle文件,不熟悉的朋友可以不用管他
定义生成器和判别器
定义loss
日志和优化器
在两个glob之后加上当前任务数据集存放位置,代码中为默认读取地址。
从这里开始训练模型,总共迭代EPOCHS次
保存模型checkpoint
了解完模型训练过程,设置好超参数等,就可以开始训练了。运行train.py即可
测试模型
训练完自己的模型,找到eval.py文件
跟训练一样的过程,这里从训练时保存的pickle文件中读取超参数。当然也可以自己按照train.py里那样自己定义,为了简便直接读取pickle文件了。
这里设置checkpoint读取路径和结果保存路径,值都是从pickle文件中读取的如果是自己训练的可以忽略。IMAGES_DIR是结果保存路劲,可以在EXPERIMENT_DIR文件目录下新建一个文件夹用于存放结果。
定义模型,读取checkpoint
设置测试文件夹路径,支持从文件形式包括在蓝圈中,在橙色圈中设置你的测试数据路径
开始测试
使用misc.imsave保存测试结果,计算模型速度
代码解释过程结束,运行程序即可。
模型使用的是Tensorflow1.14,1.1x环境应该都能运行,misc需要较低版本的scipy,高版本中的scipy中已删除这个包。