1、论文下载地址:
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
2、代码下载地址:
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
注意这个项目包含了两篇文章的算法,CycleGAN和pix2pix
另一篇文章为:Image-to-Image Translation with Conditional Adversarial Networks
这两篇文章都属于同一批作者。
3、安装必要的环境
pytorch,torchvision,visdom和dominate。
因为我们已经安装好了pytorch和torchvision,所以只需再安装visdom和dominate即可。
pip安装:
pip install dominate>=2.3.1 visdom>=0.1.8.3
4、进入工程目录
cd ~/Mycode/pythoncode/pytorch-CycleGAN-and-pix2pix-master/
5、下载风格转换训练数据集(以horse2zebra为例)
bash ./datasets/download_cyclegan_dataset.sh horse2zebra
百度云下载地址:
链接: https://pan.baidu.com/s/19LpmlUTJLwpmQlZs-6V9rw 密码: amro
下载后解压到./datasets/horse2zebra/路径
里面有四个文件夹,分别是风格A的训练/测试集和风格B的训练/测试集
6、运行可视服务器
python -m visdom.server
可能会一直卡在如下处:
Downloading scripts, this may take a little while
原因可能是连接外网问题,解决方法:
Visdom不能正常启动问题,python -m visdom.server提示Downloading scripts, this may take a little while
其中步骤三的文件百度云下载地址:
链接: https://pan.baidu.com/s/1_WUuWGQ13XChDiunLPXoIA 密码: o69i
7、运行python -m visdom.server成功后,会有一个本地可视网址:http://localhost:8097/,用浏览器打开即可,查看训练情况。
8、新开一个终端 进入工程路径
9、运行如下代码进行训练
python train.py --dataroot ./datasets/horse2zebra --name horse2zebra_cyclegan --model cycle_gan
左边那个终端通过visdom在实时监控数据的变化,右边那个终端在进行训练。
10、查看训练过程中loss变化情况
用浏览器打开http://localhost:8097/即可查看。
11、训练完成后通过如下代码测试
python test.py --dataroot ./datasets/horse2zebra --name horse2zebra_cyclegan --model cycle_gan
测试结果存放位置:./results/horse2zebra_cyclegan/latest_test/index.html