在观看本文之前，请答应我要善良。昨天预告了下，发现很多同学对这个模型都表示出兴趣，甚至有好多同学后台发来照片让我帮他们脱裤子。授人以鱼不如授人以渔，请这些同学好自为之~

01效果演示

本文案例使用的是开源项目instagan，是一种比较新的gan模型建模原理，来自2019年ICLR的论文，

下面看下效果对照：

(出于人道主义，会把人物的长裤脱掉然后换上短裙)

① 原图

② 转换后的图片

02环境配置

首先玩这个模型需要两个前提条件：

1. 有梯子

2. python3.6版本

3. 有GPU环境（因为源代码是要求必须在GPU的Cuda环境下运行，如果没有GPU的同学推荐用PAI里面的DSWhttps://data.aliyun.com/product/learn ，比较便宜 ）

（1）下载实验代码：https://github.com/sangwoomo/instagan

（2）下载pre-trained model，如果只是实验就直接用训练好的模型即可：https://drive.google.com/drive/folders/1xb9rR21MhMVselc6HTmOr73WOkOviFmO

（如果只玩换裤子这个实验，下载pants2skirt_mhp_instagan这个模型即可）

（3）安装代码中的requirement.txt中的依赖包

最后把下载的model文件放到代码文件的根目录下，目录结构如下（蓝色部分为模型文件夹，里面是200_net_G_A.pth和200_net_G_B.pth）：

完成以上步骤，整个环境就搭建好了。

03使用模型做图片转换

注：这个项目的代码有很多hard code的逻辑，需要严格按照下面的做法执行才有可能跑通，包括所有文件的命名。

（1）先设置需要转换的图片

在datasets目录下新增一个test文件夹，构建如下的文件格式

testA和testB存放需要转换的原图，类似于“效果演示中”穿着长裤的图片，testA_seg和testB_seg需要存放mask图片。mask文件是转换图片中的裤子样式，如下图对应实例图片左边的女生裤子（如果想转换其它部位，就不用我举例子了吧）：

mask图片还需要与被转换图片命名一致，详细规则参见源代码中的datasets，如果不一致会出现以下错误：https://github.com/sangwoomo/instagan/issues/5

（2）执行图片转换逻辑

在工程的根目录下执行以下代码，使用工程下的test.py这个测试代码：

python test.py --dataroot ./datasets/test --model instagan --name pants2skirt_mhp_instagan --loadSizeH 240 --loadSizeW 160 --fineSizeH 240 --fineSizeW 160 --ins_per 2 --ins_max 20

如果没有报错的话在GPU环境下1分钟就可以执行完毕，代码执行完毕后在工程的results文件夹下就能看到转换好的图片了。

04总结

整个项目的效果还是不错的，不过可能代码还没来得及优化，可能在实验的过程中有很多坑，大家需要一定的debug能力才能把工程跑起来，小白不太建议使用哈。