Pytorch-CycleGan-and-pix2pix-master数据训练与测试步骤

一、代码框架认识

二、开源数据与预训练模型下载

1.开源测试图像：https://efrosgans.eecs.berkeley.edu/pix2pix/datasets/

https://efrosgans.eecs.berkeley.edu/pix2pix/datasets/

图像数据结构，包含训练集、验证集，测试集根据需要。

图像数据存放在：  ./datasets/

2.预训练模型：https://efrosgans.eecs.berkeley.edu/pix2pix/models-pytorch/

模型存放路径

将模型名称改为：latest_net_G.pth，以便进行测试调用模型。

三、自建数据集训练pix2pix模型

1.训练前图像数据拼接

建立文件夹A和文件夹B，A和B存放对齐的两组数据。例如：

文件夹A路径：F:\YoloWorkData\gds2mask\gds_A

文件夹B路径：F:\YoloWorkData\gds2mask\mask_B

调用datasets/combine_A_and_B.py，将A和B中相同文件名的一对图像进行拼接，合成AB。

文件夹AB路径：F:\YoloWorkData\gds2mask\gds2mask_AB

python datasets/combine_A_and_B.py --fold_A F:\YoloWorkData\gds2mask\gds_A --fold_B F:\YoloWorkData\gds2mask\mask_B --fold_AB F:\YoloWorkData\gds2mask\gds2mask_AB --num_imgs 40

2.数据文件分类整理

将合并的图像进行训练集和验证集分类。

|--.../pytorch-CycleGAN-and-pix2pix-master/datasets/gds2mask_AB(生成的拼接图)

|         |--train

|         |--val

|         |--test

3.开始训练

3.1.打开可视化界面

python -m visdom.server

打开网页http://localhost:8097/

3.2.修改base_options.py代码

常见需要需要修改的内容：

--dataroot：数据集的目录，设置为刚刚拼接后的目录.../pytorch-CycleGAN-and-pix2pix-                                                                                        master/datasets/gds2mask_AB

--name ： 训练数据存放文件夹名称，路径在.../checkpoints/name

--use_wandb：设置wandb，填入default=False设置不适用wandb；
--model：选择模型pix2pix ，可以选择cycle_gan | pix2pix | test | colorization；
--input_nc：输入通道数，3是RGB，1是灰度
--output_nc：输出通道数，3是RGB，1是灰度
--dataset_mode：数据模式，unaligned | aligned | single | colorization，pix2pix 的默认会设置为-----aligned，修不修改都可以。
--direction：数据生成方向，是A生成B（左→右），还是B生成A（右→左）

3.2.执行训练命令

train.py

http://localhost:8097/中显示训练曲线与过程结果。

训练结果在.../checkpoints/name下。

四、测试训练模型

测试输入图像，也需要是AB拼接图。

Terminal中输入

python test.py --dataroot ./datasets/gds2mask_AB --direction AtoB --model pix2pix --name gds2mask

--dataroot：测试数据路径，自动检测test文件夹 ./datasets/gds2mask_AB。

--direction ：数据生成方向，AtoB。

--model ：数据模式，pix2pix。

--name ：模型存文件夹（base_options中设置），默认使用latest_net_G.pth文件。

测试结果，保存在.../result/name 中。