Attgan代码复现：使用自己的数据集

目录

1.常用数据集介绍

鸟类数据集（CUB-200-2011）

2.如何创建自己的数据集

3.使用damodel平台运行模型

创建实例

上传代码和数据集

attgan代码

解压缩

运行

使用自建数据集的一些说明

---

1.常用数据集介绍

1. 鸟类数据集（CUB-200-2011）

这个数据集包含了200种鸟类，共11788张图片。每张图片都标注了物体的框、关键点和属性类别。

下载链接：http://www.vision.caltech.edu/visipedia/CUB-200-2011.html

下载下来的数据集只有图像部分，要实现复现Attgan还需下载鸟类预处理的元数据：https://drive.google.com/open?id=1O_LtUP9sch09QH3s_EBAgLEctBQ5JBSJ

鸟类预处理的元数据：

这部分其实就是将数据集进行划分训练集 测试集，以及鸟类数据集的文本描述(在text.zip文件夹下需要解压出来)

创建一个birds文件夹，将上述下载并解压后的文件放入birds文件夹下即可，最终目录结构如下图所示

2.如何创建自己的数据集

参照鸟类数据集格式，假设我们要做一个鱼类的数据集，创建一个名为fish的文件夹，在这个文件夹下依次创建images test train text 文件夹

images文件夹下放入照片

text文件夹下放入对应的描述文本文件，文件名以照片名命名

训练集和测试集的划分

参照鸟类数据集发现test和train文件夹下是filenames.pickle文件，因此我们也需要创建这个文件，具体方法参考python pickle模块用法

filenames.pickle文件读取出来是一个列表，内容如下所示

发现是照片相对与images文件夹下的路径，因为鸟类数据集images文件下按照鸟的类别分别创建了子文件夹所以它的每一项是

<鸟的类型>/<照片名>

我们只需将照片名添加到列表写入filenames.pickle文件即可(不需要扩展名.jpg)

['0001','0002','0003']

因为一些原因，下面使用鸟类数据集进行操作，使用自己的数据集流程一样

3.使用damodel平台运行模型

目前该平台正在做活动，新用户注册即送50元代金卷

注册链接丹摩DAMODEL｜让AI开发更简单！算力租赁上丹摩！

创建实例

选择gpu类型默认提供100g系统盘 50g数据盘

选择框架版本，这里使用pytorch 2.3.0的版本

登录实例那里可以选择创建一个密钥对方便我们后续使用ssh登录

上传代码和数据集

attgan代码

GitHub - davidstap/AttnGAN

这里推荐使用我修改好的版本，源代码有很多报错

下载链接： https://www.alipan.com/t/TtJyyfhokDmMDFNe22qH 

打开jupyterlab

点击上传按钮上传代码和数据集

解压缩

打开终端

输入

 unzip AttGAN.zip 

运行

安装库

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

切换到code目录

cd code

#预训练DAMSM
python pretrain_DAMSM.py --cfg cfg/DAMSM/bird.yml --gpu 0

将训练好的damsm模型放入DAMSMencoders文件夹中

这两个文件在output里 ，放入DAMSMencoders时需新建一个bird文件夹

#训练GAN
python main.py --cfg cfg/bird_attn2.yml --gpu 0

将训练好的模型放入models文件夹下

#运行
python main.py --cfg cfg/eval_bird.yml --gpu 0

使用自建数据集的一些说明

使用自己的数据集训练是需要自己创建配置文件即分别在预训练DAMSM，GAN，和评估时所需要的文件，具体内容可以参考cfg目录下

DAMSM/bird.yaml   

bird_attn2.yml

eval_bird.yaml