CycleGAN训练及测试过程细节记录

已于 2024-04-25 16:54:55 修改
阅读量382 收藏 2
点赞数 2
分类专栏： 教程 文章标签： 图像处理 域适应 图像生成 GAN CycleGAN
于 2024-03-20 13:03:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45625499/article/details/136835550
版权

CycleGAN训练及测试过程细节记录

文章目录

关于训练

1、训练前将数据配置好，并在Pycharm中写好配置信息
在这里插入图片描述
在这里插入图片描述
2、关于训练过程的参数配置在
options/train_options.py
options/base_options.py
batch_size：批大小
crop_size：将图片缩放到指定大小
n_epochs + n_epochs_decay：训练次数

3、训练前，先在终端使用python -m visdom.server打开监视，再开始训练

关于测试

1、配置方法同训练的配置
在这里插入图片描述

2、测试时，先将训练好的模型文件拷贝到xxx_pretrained文件夹中，并修改模型名称
（如果测试的是B图，则拷贝B结尾的，拷贝后将“_B”去掉）
在这里插入图片描述
在这里插入图片描述
3、测试结果保存在results文件夹中

4、第一次测试时输入的图片是512512，输出却是256256，才发现是options/base_options.py中的crop_size默认是256*256的

万里守约
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
cycleGAN训练数据集，苹果橙子数据集 APPLE 2 ORANGE
04-14
cycleGAN训练数据集，苹果橙子数据集 APPLE 2 ORANGE。cycleGAN训练数据集，苹果橙子数据集 APPLE 2 ORANGE。cycleGAN训练数据集，苹果橙子数据集 APPLE 2 ORANGE。cycleGAN训练数据集，苹果橙子数据集 APPLE 2 ...
使用CycleGAN训练自己制作的数据集，通俗教程，快速上手
热门推荐
qq_40280673的博客
07-22 3万+
总结了使用**CycleGAN**训练自己制作的数据集，这里的教程例子主要就是官网给出的斑马变马，马变斑马，两个不同域之间的相互转换。教程中提供了官网给的源码包和我自己调试优化好的源码包，大家根据自己的情况下载使用，推荐学习者下载我提供的源码包，可以少走一些弯路，按照我的教程，能较快上手训练使用...
Cyclegan从零到一复现：介绍、配置、测试、自定义训练（大一作业）
qianqianlwg的博客
06-12 9865
CycleGAN是一种深度学习模型，用于图像转换任务。它可以将一组图像从一个领域转换到另一个领域，而需成对的训练数据。例如，将马的图像转换为斑马的图像，或将夏季景色的图像转换为冬季景色的图像。CycleGAN使用对抗性损失函数和循环一致性损失函数来训练模型，以生成高质量的转换图像。在许多应用中都有用，例如风格迁移、图像翻译和图像增强。本文根据官方文档的anaconda方式实现WindowsPython 3CPU 或 NVIDIA GPU + CUDA CuDNNWindows11。
[Pytorch系列-72]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型训练CycleGAN模型
文火冰糖（王文兵）的博客
12-23 1万+
作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客 本文网址：https://blog.csdn.net/HiWangWenBing/article/details/122071545 第1章 概述 1.1 代码架构与总体思路 [Pytorch系列-63]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 代码总体架构_文火冰糖（王文兵）的博客-CSDN博客作者主页(文火冰糖的硅基工坊)：文火冰糖（...
使用Cycle GAN训练自己的数据
qq_22762933的博客
05-19 2176
如果想要使训练的图像大小更大一点（官方默认的话，会将图像裁剪到256*256），如果使用正方形的图片，可以在./options/base_options.py 找到设置 --load_size 以及 --crop_size，进行修改，即可实现对尺寸的修改。但因为我需要的图像是长方形的，又懒得去改配置文件，于是直接定位一下它是在哪里修改图像尺寸的，最后找到了在./data/base_dataset.py文件中第81行def get_transform 方法中。接下来就可以测试了，顺利的话一次就可以成功了。
用自己的数据集实战CycleGAN
Cherry330的博客
10-07 932
本文主要帮助大家用自己的数据集实战CycleGAN。博客附有教程、代码和论文。
cyclegan预训练模型
03-07
cyclegan预训练模型,拿到测试集即可进行cyclegan的风格转换
tensorflow2.0 Cycle-GAN测试代码
04-28
tensorflow2.0 Cycle-GAN测试代码
基于CycleGAN实现图像风格迁移
03-27
课程作业，内附源码
celebA-cyclegan:在celebA数据集上训练的cycle-gan的实现
05-26
在上的cycle-gan的实现。 使用带有梯度罚分的wgan来稳定训练并避免模型崩溃。 运行代码 安装要求： git clone https://github.com/MorvanZhou/celebA-cyclegan cd celebA-cyclegan pip3 install -r requirements....
CycleGAN训练模型
weixin_42616278的博客
10-10 6117
CycleGAN进行图像转换CycleGAN使用前言在TensorFlow中训练CycleGAN模型下载数据集并转换格式训练模型模型导出测试图片总结 CycleGAN使用 前言 ​ 图像翻译问题就是将一种类型的图片转换为另一种类型的图片。pix2px也能解决一类图像翻译问题，但是pix2pix模型要求训练样本必须是“严格成对”的，也就是说有一张A类别的图片就必须有一张B类别的图片，这类样本一般比...
CycleGAN（二）数据集重做与训练测试
祥瑞的技术博客
03-26 2万+
目的：我们需要在我们的数据集上实现CycleGAN。 参考：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/blob/master/docs/datasets.md 目录 一、数据集制作 1.1 数据集格式 1.2 我们的数据集 二、训练 1.1 命令行 1.2 不显示结果 二、训练命令行 2.1 norText_...
CycleGAN训练教程
最新发布
weixin_45866058的博客
03-26 983
在输入图像和输出图像之间，使用对齐图像对的训练集。但是，对于许多任务，配对训练数据将不可用。我们提出一个学习从源翻译图像的方法域 X 到目标域 Y，在没有配对的情况下例子。我们的目标是学习映射 G ： X → Y使得来自 G（X） 的图像分布与使用对抗性损失的分布 Y 无法区分。由于此映射的约束非常不足，因此我们将其与逆映射 F ： Y → X ，并引入强制执行 F（G（X）） ≈ X 的循环一致性损失（反之亦然）。
cyclegan——训练+预测1
gm_Ergou的博客
06-26 4320
参考链接： 原文：https://blog.csdn.net/Exploer_TRY/article/details/81841826 代码详解：https://blog.csdn.net/greepex/article/details/86360726 公式理解：https://blog.csdn.net/Teeyohuang/article/details/82729047 下面是自己...
一文教会你风格迁移CycleGAN从入门到高阶再到最终成功魔改（附成功魔改代码）
记录学习的小白
07-11 7575
🔥🔥本文的创新点部分，我将把我的整个项目过程所使用到的绝大多数trick以及创新部分进行开源。只有淋过雨的孩子才会懂得给别人打伞，所以我开源的目的很简单，希望可以帮助到有缘相遇的初学者快速了解并掌握该方向内容。有能力的同学可以进行二次改进创新。我的最终模型在定性和定量的评估中效果均有提升。后续代码将更新到GitHub上，如果对大家有帮助，希望可以得到您的免费star✨。本人万分感谢！！！ 本文的结构图均为本人绘制，如有需可以评论区留言❤ 五万字的文章创作不易，如有帮助劳烦免费点赞收藏一波，谢谢！
AI生成藝術(No.4):訓練自己的CycleGAN模型 - -使用Paddle
weixin_44462965的博客
05-05 2027
使用PaddlePaddle训练自己的 CycleGAN 模型 ，迈向元宇宙、 AI 生成艺术之路，与你分享！感谢原创，尊重原创哦。CycleGAN 是一种有趣的 AI 模型，它可以用来产生不同风格或材质转换的一个模型，通常应用于影像对影像的变换，例如将白天拍摄的 照片，转换成为夜间照片；可以产生一些很酷的效果。
CycleGAN的基本原理以及Pytorch框架实现
Keep_Trying_Go的博客
05-01 7272
CycleGAN的基本原理以及Pytorch框架实现
生成对抗网络CycleGAN
m0_56247038的博客
04-27 5601
利用非成对数据实现对图像源域到目标域的迁移！！！
cyclegan 训练自己的数据集
08-23
你可以使用CycleGAN来训练自己的数据集。首先，你需要准备两个数据集，一个作为源域数据集，一个作为目标域数据集。源域数据集和目标域数据集可以是不同的类型，例如狗和猫的图像。 然后，你需要安装并配置CycleGAN的Python库，例如TensorFlow或PyTorch。接下来，你可以按照以下步骤进行训练： 1. 数据预处理：将源域和目标域的图像进行预处理，例如调整大小、裁剪或归一化。 2. 构建模型：使用CycleGAN的网络架构构建生成器和判别器模型。生成器模型将源域图像转换为目标域图像，判别器模型用于区分生成的图像与真实图像。 3. 定义损失函数：CycleGAN使用对抗损失和循环一致性损失来训练模型。对抗损失用于确保生成器生成逼真的目标域图像，循环一致性损失用于确保转换后再转换回来的图像能够保持原始特征。 4. 训练模型：使用源域和目标域的图像对训练模型。在每个训练步骤中，会交替更新生成器和判别器模型来提高模型性能。 5. 评估和测试：使用训练好的模型对新的源域图像进行转换，并评估生成的目标域图像的质量。 这只是一个简单的概述，实际训练过程可能会更复杂。你可以参考CycleGAN的相关文档和示例代码来获得更详细的指导。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

万里守约

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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