【深度学习进阶之路】---- GAN 代码复现之 DCLGAN

——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——
论文题目：Dual Contrastive Learning for Unsupervised Image-to-Image Translation
论文地址：https://arxiv.org/abs/2104.07689

——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——

关键词

深度学习；图像转换；代码复现；DCLGAN；Dual Contrasive Learning
——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——

一、工作准备

1. 源码下载

Github源代码：https://github.com/JunlinHan/DCLGAN

选择 Code → Download ZIP 下载即可。

之后对文件进行解压，解压后包含如下文件：

☆☆☆----解压后在根目录中分别创建如下两个文件，分别是：
① checkpoints文件（用于存放训练好的模型权重文件）
② results文件（用于存放测试后结果）

2. 数据集下载

本文将利用作者提供的 maps 数据集进行模型训练和测试。
数据集下载链接：https://people.eecs.berkeley.edu/~taesung_park/CycleGAN/datasets/

将数据集下载后放入datasets文件并解压，数据集内具体内容如下：

其中，A表示遥感影像，B表示对应的二维地图，如下：

3. 配置必要的环境

可以在environment.yml文件中查看具体所需的环境配置，如下：

其中，Python的版本选用3.6及以上版本都可以，本文所用的Python版本为3.9.12。
对于Conda用户，可以利用下列代码进行环境创建：

conda env create -f 文件存放路径/environment.yml

之后激活此环境

conda activate your_env_name (虚拟环境名称)

本篇Blog将调用远程服务器对代码进行调试和复现，关于本地Windows系统上Pycharm连接远程Linux服务器的相关操作可参考上一篇博客：【深度学习进阶之路】----Pycharm连接远程服务器进行代码调试与开发
**插播：**为了方便在Pycharm中实现远程服务器文件目录的可视化，可以在Pycharm中选择Tools–>Deployment–>Browse Remote Host

——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——

二、训练数据集

1. 配置训练文件

① 在Pycharm中，点击Run–>Edit Configurations，进行配置训练文件。



其中，--dataroot ./datasets/maps表示数据集存放位置；--name maps_DCL表示将在checkpoints文件夹中新建一个名为maps_DCL的文件夹，用于存放训练好的权重；--model dcl表示使用的模型为dcl。

2. 相关参数的修改

① 在train_options.py中修改训练epoch及学习率，注意epoch要修改两处，二者之和便为总的训练epoch。

② 在base_options.py中修改batch size及图片尺寸

当我们进行了上述操作后，便可美美哒运行train.py啦。
——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——
**插播：**当博主运行train.py时，出现以下两条警告信息，虽然不影响模型训练，但还是不想看到红色字体。

UserWarning: size_average and reduce args will be deprecated, please use reduction='mean' instead.

出现此条UserWarning，是因为pytorch不同版本进行更新迭代时引起的警告，某些参数被取代了，解决方案：

self.criterionSim = torch.nn.L1Loss('sum').to(self.device)
改为：
self.criterionSim = torch.nn.L1Loss(reduction='sum').to(self.device)

UserWarning: Argument interpolation should be of type InterpolationMode instead of int. Please, use InterpolationMode enum.
  "Argument interpolation should be of type InterpolationMode instead of int. "

出现此条UserWarning，是torchvision和pillow不兼容导致的，我的环境里torchvision=0.11.3 and pillow=6.1.0，即使我把pillow升级到8.3.1，依然有warning。那只能降低torchvision了，但是torchvision的版本号一般都是和pytorch绑定好的，我们需要不依赖torch来更改torchvison的版本，这可以通过以下指令实现：

self.criterionSim = torch.nn.L1Loss('sum').to(self.device)
改为：
self.criterionSim = torch.nn.L1Loss(reduction='sum').to(self.device)

——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——
OK，准备就绪，代码已经可以完美的 run了。

大概经过 339s×200epoches≈18.83h 的训练，模型已基本训练完成，如下：

Oh Yeah, Process finished with exit code 0 ！！！
——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——

三、测试训练好的模型

训练好的模型，存放在根目录文件夹 checkpoints 中，如下：

1. 配置测试文件

之后配置测试文件（同“二、2”），便可运行test.py文件，如下：

其中，–dataroot ./datasets/maps表示数据集存放位置；–name maps_DCL表示将在results文件夹中新建一个名为maps_DCL的文件夹，用于存放测试结果。

Oh Yeah, Process finished with exit code 0 ！！！

2. 结果展示

在results文件夹中，点击index.html即可在线查看模型测试结果，如下：

放几张图，效果嘛，自行体会吧~~~~~~



——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——+——

参考

本篇博客在代码复现过程中，参考了以下几位大神的文章，在此拜谢。

1. 使用CycleGAN训练自己制作的数据集，通俗教程，快速上手
2. Cycle GAN（复现）—小白笔记