深度学习论文代码复现——CycleGAN和pix2pix

一：前期代码准备

从GitCode（服务器在国内，访问比较快）中将开源代码copy下来

地址：mirrors / junyanz / pytorch-cyclegan-and-pix2pix · GitCode

也可从github源项目地址中获取：GitHub - junyanz/pytorch-CycleGAN-and-pix2pix: Image-to-Image Translation in PyTorch

二：数据集准备

2.1.使用官网提供的数据集

2.1.1.在Ubuntu中通过shell命令下载

以下载maps数据集为例，在终端输入以下命令：

bash ./datasets/download_cyclegan_dataset.sh maps

2.1.2.直接从源地址中下载

打开开源代码中datasets文件夹中的download_cyclegan_dataset.sh文件，复制URL中的前半段网址打开http://efrosgans.eecs.berkeley.edu/cyclegan/datasets/

打开后就可以下载你想下的任何数据集了

2.2.使用自己制作的数据集

选出训练集(A、B)和测试集(A、B)，然后按照下图文件夹进行命名，最后将制作的数据集放入datasets文件夹中即可

三：初始化环境

以conda用户为例，在项目目录中使用如下命令进行环境配置（以后的操作都是基于这个虚拟环境）

conda env create -f environment.yml

这里我修改了environment.yml文件，将创建出的虚拟环境重命名为cycleGAN

注意：一定要根据自己cuda的版本号选择合适的pytorch版本，不然后续更改会很麻烦！！！

创建成功后，使用如下命令即可进入conda创建出的虚拟环境：

conda activate cycleGAN

此外，通过pip等方式也可进行初始化，具体详见原网站说明

PS：如果环境配置有问题想删了重新安装，使用如下命令：

1.首先退出当前环境

conda deactivate

2.删除自己刚创建的虚拟环境

conda remove -n xxx --all

四:训练数据

4.1.前期准备

首先，打开options文件夹，在base_options.py文件中可以进行基础配置的更改。

例如gpu_ids，默认为0，即使用第一个GPU进行训练；‘-1’是使用CPU进行训练。也可以设置batch_size（默认为1）等等

在train_options.py文件中可以设置epochs的大小以及保存模型的频率等等

4.2.安装visdom（可视化）

visdom 是Facebook 为PyTorch 打造的一款可视化工具，可以实时的对数据进行可视化显示，比如模型loss值的变化、生成的图像等等

下面在conda环境中对其进行安装

conda install visdom

安装完成后，通过如下命令即可开启visdom服务

python -m visdom.server

启动成功后，终端会显示以下网址：http://localhost:8097，打开网址即可看到训练数据的实时展示

 同时，如果想看到更加详细的生成图像结果，就在主文件夹下打开以下路径./checkpoints/maps_cyclegan/web/index.html，效果展示如下图所示

 

注意：如果visdom端口被占用时，除了在配置文件中更改端口外，还可以通过以下命令：

查看当前正在进行进程的端口号以及PID：

netstat -tunlp

kill跟visdom相关的那个进程（默认端口号8097）：

kill -9 xxxx(PID)

4.3.开始训练

打开终端，进入cycleGAN虚拟环境，然后输入如下命令

python train.py --dataroot ./datasets/sar2optical --name sar2optical_cyclegan --model cycle_gan

如果训练pix2pix模型，则输入以下命令：

python train.py --dataroot ./datasets/sar2optical --name sar2optical_pix2pix --model pix2pix --direction AtoB

AtoB表示由A数据集训练生成B数据集

其中，sar2optical换成自己设置的数据集名称

注意：刚开始可能会报错PyTorch与CUDA版本不匹配，这时需要去官网https://pytorch.org/get-started/previous-versions/下载合适的pytorch版本

此外，要恢复之前的训练，可以使用--continue_train标志。程序将根据epoch加载模型。默认情况下，该程序将把epoch计数初始化为1，同时设置--epoch_count <int>可以来指定不同的起始epoch

五：测试数据

结束训练之后，使用如下命令对数据集进行测试

python test.py --dataroot ./datasets/sar2optical --name sar2optical_cyclegan --model cycle_gan

测试结果保存在主目录下的一个html文件中./results/sar2optical_cyclegan/test_latest/index.html

部分测试结果：

 此外，我还测试了下monet2photo：

以及horse2zebra：

 

 整体效果还是不错的~