ICCV2017图像转换算法CycleGAN的配置

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