[Pytorch系列-67]：生成对抗网络GAN - 图像生成开源项目pytorch-...
第1步：下载或克隆pytorch-CycleGAN-and-pix2pix所有代码!git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
也可以通过Windows浏览器下载：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
备注：
需要把代码下载或拷贝到jupter的工作目录中。
第2步：切换当前目录
import os
os.chdir('pytorch-CycleGAN-and-pix2pix/')
第3步：安装依赖文件：
!pip install -r requirements.txt
torch>=0.4.1
torchvision>=0.2.1
dominate>=2.3.1
visdom>=0.1.8.3
# 备注：主要是可视化工具
第4步：下载pix2pix数据集
bash ./datasets/download_pix2pix_dataset.sh
支持的数据集：
[*]cityscapes： 城市轮廓转换成城市街景实体
[*]night2day：晚上转换成白天
[*]edges2handbags：边沿转换成手提包
[*]edges2shoes：边沿转换成鞋子
[*]facades：房屋外观转换成房子实体
[*]maps：地图轮廓转换成实体地图
也可以根据./datasets/download_pix2pix_dataset.sh的内容，获取数据集URL， 通过URL手工下载：Index of /pix2pix/datasets
备注：
[*]有些数据集很多，高达8G, 下载时需留意硬盘空间是否可以承载。
[*]pix2pix的数据集是成对出现的。
[*]Facades数据集最小，方便测试验证。
第5步：下载预训练模型
说明：
预训练模型的重要：以预训练模型为基础，加快后续模型的训练过程，否则的话，需要非常长的时间进行训练才能收敛到较好的水平。因此，强烈建议下载预训练模型。
bash ./scripts/download_pix2pix_model.sh
下载的预训练模型安装在如下的目录中：
./checkpoints/{NAME}_pretrained/ #名字必须与模型名一致，否则代码找不到预训练模型。
打开/scripts/download_pix2pix_model.sh，获得预训练模型的URL:
Index of /pix2pix/models-pytorch
支持的预训练模型包括（与数据集一致）
备注：不同的模型，有不同的数据集。
第6步：训练模型
python train.py --dataroot ./datasets/facades --name facades_pix2pix --model pix2pix --direction BtoA
[*]--dataroot ./datasets/facades： 指定数据集的路径
[*] --name facades_pix2pix：与预训练mode的名称
[*]--model pix2pix：模型分类：pix2pix or CycleGAN
[*]--direction BtoA：训练方向。
[*]--gpu_ids：0,1,.. to train on multiple GPUs, 在多GPU情况下，指定GPU id。
[*]batch_size: Batch size。
第7步：测试模型
python test.py --dataroot ./datasets/facades --direction BtoA --model pix2pix --name facades_pix2pix
[*]--dataroot ./datasets/facades： 指定数据集的路径
[*] --name facades_pix2pix：与预训练mode的名称
[*]--model pix2pix：模型分类。
[*]--direction BtoA：训练方向
https://blog.51cto.com/u_11299290/4869373
页:
[1]