用Python2跑Cycle-GAN模型(Pytorch)

别问我为什么要用python2跑,毕竟官方都要放弃了。。。
步骤网上一堆,此次跑模型也算是先练习一下,积累一点实战经验
代码:GitHub-pytorch
本次选用的数据集是经典的horse2zebra数据集
如果想按照教程给的方式下载,可以试试下面的命令:

bash ./scripts/download_cyclegan_model.sh horse2zebra

如果你运气好或者熟练掌握翻墙技术,就可以,如果实在是下不下来,这里我给出我的百度云链接:c4qh
如果它失效了评论区说一声
弄完后就可以执行下面的命令了:

python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan

下面分享一下我在训练中遇到的问题:
1、ImportError:cannot import name ABC
在这里插入图片描述
参考 https://blog.csdn.net/weixin_45250844/article/details/94966415
毕竟是python2,很多地方都不一样,改改代码就好
这个地方还挺多,主要是下面两个文件里:
(注意一下加python版本的地方)
base_model.py

# from abc import ABC, abstractmethod   python3
from abc import ABCMeta, abstractmethod         #python2.7
from . import networks


# class BaseModel(ABC):         python3
你可以使用 PyTorch-CycleGAN-and-pix2pix 库来使用预训练好的模型。下面是一个简单的步骤示例: 1. 首先,确保你已经安装了 PyTorch-CycleGAN-and-pix2pix 库。你可以使用以下命令安装: ``` pip install git+https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix ``` 2. 下载预训练模型。你可以在 CycleGAN 和 pix2pix 的模型网页(https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix#model-checkpoints)上找到预训练模型的链接。下载并解压缩模型文件夹。 3. 创建一个配置文件。在模型文件夹中,复制并重命名 `test_opt.txt.example` 文件为 `test_opt.txt`。该文件用于配置测试参数。 4. 配置测试参数。打开 `test_opt.txt` 文件,并根据你的需求修改参数。重要的参数包括 `dataroot`(数据集的路径)和 `name`(模型名称)。 5. 运行测试脚本。使用以下命令运行测试脚本: ``` python test.py --dataroot ./path/to/dataset --name pretrained_model_name --model test_model_name ``` 确保将 `./path/to/dataset` 替换为你的数据集路径,`pretrained_model_name` 替换为你下载的预训练模型文件夹的名称,`test_model_name` 替换为你想要使用的测试模型的名称(如 `cycle_gan` 或 `pix2pix`)。 6. 查看结果。测试完成后,生成的结果将保存在模型文件夹中的 `results` 子文件夹中。 请注意,这只是一个基本的示例,你可能需要根据你的具体情况进行更多的配置和调整。你可以参考 PyTorch-CycleGAN-and-pix2pix 库的文档以获取更多详细信息和用法示例。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值