github源代码：GitHub - junyanz/pytorch-CycleGAN-and-pix2pix: Image-to-Image Translation in PyTorch

论文详解：http://t.csdn.cn/q9hUS

二、运行代码

1.下载源代码

cd ~/zhw
git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
cd pytorch-CycleGAN-and-pix2pixconda env create -f environment.yml #创建conda环境
conda activate pytorch-CycleGAN-and-pix2pix #激活conda环境

如下图，在conda(pytorch-CycleGAN-and-pix2pix)环境中运行代码。

2.准备数据集

“prepare_ACDC_datasets.py”将数据集ACDC/night中图片均裁成1：1的.jpg格式，保存在“./zhw/pytorch-CycleGAN-and-pix2pix/datasets/ACDC/day2night”，数据集文件需要如下形式，其中B为normal情况，A为night。

3.train训练

可以通过visdom在训练过程中查看训练情况和loss损失，在训练前开启visdom，用法如下：

pip install visdom
python -m visdom.server##如果Error: Address already in use.
lsof -i tcp:8097
kill -9 xxx #xxx被占用的pid号码
lsof -i tcp:8097
python3 -m visdom.server

如果出现'Address already in use'的错误，参考http://t.csdn.cn/0ZWin。

点击网址localhost:8097，发现仍然出错tornado，网址无法打开，则参考http://t.csdn.cn/ifO1r：

1.在github下载下载visdom-master代码；GitHub - fossasia/visdom: A flexible tool for creating, organizing, and sharing visualizations of live, rich data. Supports Torch and Numpy.2.先在‘visdom-master\py\visdom\server.py’接近文件结尾处注释download_scripts；

3.找到visdom-master\py\visdom\static\index.html，替换为如下内容html；

4.将下载的static文件夹替换到‘anaconda/envs/环境名/lib/python3.6/site-packages/visdom/static’。static文件夹压缩包见我发布的资源。

<!--Copyright 2017-present, Facebook, Inc.
All rights reserved.This source code is licensed under the license found in the
LICENSE file in the root directory of this source tree.--><!doctype html>
<html><head><meta charset="utf-8" /><meta name="viewport" content="width=device-width, initial-scale=1"><link rel="shortcut icon" href="favicon.png"><!-- Bootstrap & jQuery --><link rel="stylesheet" href={{ static_url("css/bootstrap.min.css") }}><script src={{ static_url("js/jquery.min.js") }}></script><script src={{ static_url("js/bootstrap.min.js") }}></script><link rel="stylesheet" href={{ static_url("css/react-resizable-styles.css") }}><link rel="stylesheet" href={{ static_url("css/react-grid-layout-styles.css") }}><!-- Other deps --><script src={{ static_url("js/react-react.min.js") }}></script><script src={{ static_url("js/react-dom.min.js") }}></script><script src={{ static_url("fonts/layout_bin_packer") }}></script><!-- Mathjax --><script type="text/javascript" async src={{ static_url("js/mathjax-MathJax.js") }}></script><!-- Plotly --><script src={{ static_url("js/plotly-plotly.min.js") }}></script><!-- Custom styles for this template --><script>// TODO: this is not great. Should probably be an endpoint with a JSON// response or the first thing the socket sends back.var ENV_LIST = [{% for item in items %}'{{escape(item)}}',{% end %}];var ACTIVE_ENV = '{{escape(active_item)}}';var USER = '{{escape(user)}}';// Plotly setupwindow.PLOTLYENV = window.PLOTLYENV || {};window.PLOTLYENV.BASE_URL = 'https://plot.ly';</script><script src={{ static_url("js/main.js") }}></script><link rel="stylesheet" href={{ static_url("css/style.css") }}><title>visdom</title><!-- <link rel="icon" href="http://example.com/favicon.png"> --></head><body><noscript>JS is required</noscript><div id="app"></div></body>
</html>

点击网址，若visdom运行成功则在开始训练后开始如下界面：

开启visdom后训练，训练结束的模型存放在'checkpoints/FDA/day2night_cyclegan/'。

#!./scripts/train_cyclegan.sh
python train.py --dataroot ./datasets/ACDC/night/day2night/ --name day2night_cyclegan --model cycle_gan

最后day2night和day2rain模型训练过程loss趋势图如下，是收敛的。

4.test测试

#!./scripts/test_cyclegan.sh
python test.py --dataroot ./datasets/ACDC/night/day2night/ --name day2night_cyclegan --model cycle_gan

测试结果在'./results/day2night_cyclegan/latest_test/index.html'，包括real、fake、rec。realA为A原图，fakeA为B转换为A风格的结果，recA为A转换到B风格再回到A风格的结果F(G(A))。测试结果如下：

5.应用模型

训练前需要在'./model/base_model.py'line192修改参数。test和apply代码修改不同：

load_filename='%s_net_%s' %(epoch,name) #test
load_filename='%s_net_%s_B' %(epoch,name) #apply:day2night
load_filename='%s_net_%s_A' %(epoch,name) #apply:day2rain

在'./option/test_option.py'需要修改转换风格后图像存储位置'--results='和转换数量'--num_test'。test与apply代码略有不同，结果存放在'./results/day2rain_cyclegan'。文件包含'_A_fake.jpg'为normal的cityscapes转换为night风格的结果，其对应labels存放在'./datasets/cityscapes/testB'。

##day2night
python test.py --dataroot datasets/cityscapes1/testB --name day2night_cyclegan --model test --no_dropout##day2rain
python test.py --dataroot datasets/cityscapes1/testA --name day2rain_cyclegan --model test --no_dropout

论文pytorch-CycleGAN-and-pix2pix相关推荐

CycleGAN与pix2pix不得不玩的模型
CycleGAN是在去年三月底放在arxiv的一篇文章,文章名为Learning to Discover Cross-Domain Relations with Generative Adversar ...
Transformer-XL解读（论文 + PyTorch源码）
前言目前在NLP领域中,处理语言建模问题有两种最先进的架构:RNN和Transformer.RNN按照序列顺序逐个学习输入的单词或字符之间的关系,而Transformer则接收一整段序列,然后使用s ...
Python基于CycleGAN＆pix2pix的黑白图像AI上色（源码＆部署教程）
1.项目背景自从GAN技术发展以来,许多新奇的应用都得到了落地,本次我们来介绍其中一个小应用,就是黑白图像上色.想必大家在网上经常看到一些给黑白图像上色的视频,可以修复早期的黑白影像,背后的技术就是 ...
CycleGAN与pix2pix训练自己的数据集-Pytorch
github:https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix 参考:https://blog.csdn.net/Gavinmiaoc/a ...
深度学习论文代码复现——CycleGAN和pix2pix
一:前期代码准备从GitCode(服务器在国内,访问比较快)中将开源代码copy下来地址:mirrors / junyanz / pytorch-cyclegan-and-pix2pix · Gi ...
【生成对抗网络论文泛读】……pix2pix pix2pixhd……
文章目录前言 Pix2pix 简介核心思想 Pix2pixHD 升级1 升级2 升级3 升级4 前言这两篇论文放在一起说. pix2pix:点我下载 pix2pixhd:点我下载 Pix2pix ...
ELMo解读（论文 + PyTorch源码）
ELMo的概念也是很早就出了,应该是18年初的事情了.但我仍然是后知后觉,居然还是等BERT出来很久之后,才知道有这么个东西.这两天才仔细看了下论文和源码,在这里做一些记录,如果有不详实的地方,欢迎指 ...
TensorFlow王位不保？ICLR投稿论文PyTorch出镜率快要反超了
自PyTorch出道以来,不断有人表示,发现了这样的趋势: "学术圈正在慢慢地抛弃TensorFlow,转投PyTorch." 如今,PyTorch 1.0发布,ICLR 2019 ...
心中无码，自然高清 | 联合去马赛克与超分辨率研究论文Pytorch复现
作者 | 知凡,个人公众号:林木蔚然读书会(ID:EspressoOcean),知乎ID:Uno Whoiam 本文授权转载自知乎本文结构简单扫盲什么是去马赛克什么是超分辨率 <Deep ...
pytorch cycleGAN代码学习1
一. 新的东西 p.s :很多架构都和之前一样,就举些不同的 1. ReplayBuffer() # Buffers of previously generated samples fake_A_ ...

论文pytorch-CycleGAN-and-pix2pix