风格迁移2-02：MUNIT(多模态无监督)-源码训练测试-报错解决

以下链接是个人关于 MUNIT(多模态无监督)-图片风格转换，的所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信 17575010159 相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。$文末附带$$公众号-$$海量资源。$

风格迁移2-00：MUNIT(多模态无监督)-目录-史上最新无死角讲解

$注意，本人编写该博客的时间为2020/04/3，也就是说，你现在下载的作者代码或许$
$和本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为Winds系统$
$即下面的报错都是Winds下使用pycharm报错的过程，以及解决办法$

环境安装

这是pytorch官网安装指南：https://pytorch.org/get-started/previous-versions/
本人的cuda版本为cuda10.0，pytorch为v1.0.0（上链接可以找到），主要使用anconda3执行了如下指令：

 conda create -n pytorch-MUNIT  -y python=3.6
 conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

 # 下载安装包（从前面的官网链接找到合适版本），从其中找到合适的版本
 https://download.pytorch.org/whl/cu100/torch_stable.html

 # 下载完成之后执行如下指令
 python -m pip install --upgrade pip
 pip install torch-1.0.0-cp36-cp36m-win_amd64.whl

安装完成之后，请配置好pycharm，下面我们就开始调试代码了，起码要让测试以及训练程序跑起来。再这之前，通过上一篇博客，大家应该下载好了预训练模型，放置如下：

代码测试

首先，我们还是先阅读项目中的README.md，进入其中的Please check out the user manual page：
https://github.com/NVlabs/MUNIT/blob/master/USAGE.md
可以看到如下：

直接粘贴复制再终端运行：

python test.py --config configs/edges2shoes_folder.yaml --input inputs/edge.jpg --output_folder outputs --checkpoint models/edges2shoes.pt --a2b 1

报错一
File “E:\2.ChiPeak\3.FaceDataGenerate\1.MUNIT\1.MUNIT-master\utils.py”, line 6, in
import torchfile
ModuleNotFoundError: No module named ‘torchfile’

pip install torchfile
pip install numpy
pip install torchvision==0.2.1
pip install pyyaml

报错二
File “D:\Users\94428\anaconda3\envs\pytorch-MUNIT\lib\site-packages\PIL\Image.py”, line 2843, in open
fp = builtins.open(filename, “rb”)
FileNotFoundError: [Errno 2] No such file or directory: ‘inputs/edge.jpg’

inputs目录存在文件如下：

# 修改一下图片名即可，执行如下
python test.py --config configs/edges2shoes_folder.yaml --input inputs/edges2shoes_edge.jpg --output_folder outputs --checkpoint models/edges2shoes.pt --a2b 1

然后在输出目录可以看到如下照片：

这样我们就完成了初步的测试，可以在执行如下指令

python test.py --config configs/edges2shoes_folder.yaml --input inputs/edges2shoes_edge.jpg  --output_folder outputs --checkpoint models/edges2shoes.pt --a2b 1 --style inputs/edges2handbags_handbag.jpg

可以看到其生成了绿色的鞋子图片如下：

数据训练

我们可以看到如下部分：

先不管那么多，我们执行：

python train.py --config configs/edges2shoes_folder.yaml

报错一
Traceback (most recent call last):
File “train.py”, line 17, in
import tensorboardX
ModuleNotFoundError: No module named ‘tensorboardX’

pip install tensorboardX

报错二

File “E:\2.ChiPeak\3.FaceDataGenerate\1.MUNIT\1.MUNIT-master\data.py”, line 91, in make_dataset
assert os.path.isdir(dir), ‘%s is not a valid directory’ % dir
AssertionError: ./datasets/edges2shoes/trainA is not a valid directory

本人数据目录放置如下：

所以修改 edges2shoes_folder.yaml 的代码如下

#data_root: ./datasets/edges2shoes/     # dataset folder location
data_root: ../2.Dataset/edges2shoes        # dataset folder location

报错三

File “E:\2.ChiPeak\3.FaceDataGenerate\1.MUNIT\1.MUNIT-master\data.py”, line 91, in make_dataset
assert os.path.isdir(dir), ‘%s is not a valid directory’ % dir
AssertionError: …/2.Dataset/edges2shoes\trainA is not a valid directory
该错误表示，我们数据的格式，是不符合规范的。

本人参考 scripts/demo_train_edges2shoes.sh 脚本对数据做了处理，本人比较尴尬，因为都 wind 和 linux 的脚本书写都比较陌生，所以把数据拷贝到 linux 下，把 edges2shoes.tar.gz 解压之后，得到 edges2shoes 目录如下：

在该目录（edges2shoes）下，执行了如下指令：

for f in train/*; do convert -quality 100 -crop 50%x100% +repage $f train%d/${f##*/}; done;

for f in val/*; do convert -quality 100 -crop 50%x100% +repage $f test%d/${f##*/}; done;

mv train0 trainA

mv train1 trainB

mv test0 testA

mv test1 testB

执行完之后，目录显示如下：

本人用的办法真的蠢，哈哈。然后又压缩，放置到 winds 下的原目录中。

报错四
in the main module:
if name == ‘main’:
freeze_support()
…
该错误主要是没有在 linux 环境下导致的结果，在 train.py 添加 if name == ‘main’: 如下：

import tensorboardX
import shutil
if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    ......

其后的代码都右移一个 tab 键。

调试成功之后，本人打印如下：

Elapsed time in update: 7.770969
Elapsed time in update: 0.784000
Elapsed time in update: 0.757999
Elapsed time in update: 0.749000
Elapsed time in update: 0.754998
Elapsed time in update: 0.757999
Elapsed time in update: 0.756999
Elapsed time in update: 0.761999
Elapsed time in update: 0.755001
Elapsed time in update: 0.753999
Iteration: 00000010/01000000
Elapsed time in update: 0.766001
Elapsed time in update: 0.758998
Elapsed time in update: 0.758000
Elapsed time in update: 0.641000
Traceback (most recent call last):

结语

到这里为止，代码已经跑起来了，下面会为大家进行论文翻译，以及源码的阅读。