CycleGAN and pix2pix in PyTorch
1、Notebook教程
PyTorch Colab notebook教程: CycleGAN 和 pix2pix
2、环境要求
- Linux or macOS
- Python 3
- CPU or NVIDIA GPU + CUDA CuDNN
3、开始实用
3.1、安装
- 克隆本仓库:
git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
cd pytorch-CycleGAN-and-pix2pix- Install PyTorch and 0.4+ and other dependencies.
- For pip users, please type the command
pip install -r requirements.txt. - For Conda users, you can create a new Conda environment using
conda env create -f environment.yml.
- For pip users, please type the command
3.2、CycleGAN训练和测试
- 下载一个CycleGAN数据集:
bash ./datasets/download_cyclegan_dataset.sh maps- 查看训练结果和损失图, 玉兴
python -m visdom.server并且点击打开 URL http://localhost:8097. - 将训练进度和测试图像记录到W&B仪表板上, 设置
--use_wandb带有训练和测试脚本的标志 - 训练模型:
#!./scripts/train_cyclegan.sh
python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan要看到更多的中间结果, 查看 ./checkpoints/maps_cyclegan/web/index.html.
- 测试模型:
#!./scripts/test_cyclegan.sh
python test.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan- 测试结果将被保存在这里的一个html文件中:
./results/maps_cyclegan/latest_test/index.html.
3.3、pix2pix训练和测试
- 下载一个pix2pix数据集:
bash ./datasets/download_pix2pix_dataset.sh facades- 查看训练结果和损失图, 运行
python -m visdom.server并且点击打开URL http://localhost:8097. - 将训练进度和测试图像记录到W&B仪表板上, 设置
--use_wandb带有训练和测试脚本的标志 - 训练模型:
#!./scripts/train_pix2pix.sh
python train.py --dataroot ./datasets/facades --name facades_pix2pix --model pix2pix --direction BtoA要看到更多的中间结果, 查看 ./checkpoints/facades_pix2pix/web/index.html.
- 测试模型 (
bash ./scripts/test_pix2pix.sh):
#!./scripts/test_pix2pix.sh
python test.py --dataroot ./datasets/facades --name facades_pix2pix --model pix2pix --direction BtoA- 测试结果将被保存在这里的一个html文件中:
./results/facades_pix2pix/test_latest/index.html. 你可以在scripts目录下找到更多的脚本。 - 为了训练和测试基于pix2pix的着色模型，请添加
--model colorization和--dataset_mode colorization。 查看我们的训练 tips 关于更多细节.
3.4、使用预训练模型 (CycleGAN)
- 你可以用下面的脚本下载一个预训练过的模型（如horse2zebra）：
bash ./scripts/download_cyclegan_model.sh horse2zebra- The pretrained model is saved at
./checkpoints/{name}_pretrained/latest_net_G.pth. Check here for all the available CycleGAN models. - 为了测试该模型，你还需要下载horse2zebra数据集。
bash ./datasets/download_cyclegan_dataset.sh horse2zebra- 然后用以下方法生成结果
python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout-
The option
--model testis used for generating results of CycleGAN only for one side. This option will automatically set--dataset_mode single, which only loads the images from one set. On the contrary, using--model cycle_ganrequires loading and generating results in both directions, which is sometimes unnecessary. The results will be saved at./results/. Use--results_dir {directory_path_to_save_result}to specify the results directory. -
对于pix2pix和你自己的模型，你需要明确指定
--netG、--norm、--no_dropout以匹配训练过的模型的生成器结构。更多细节请看这个FAQ。
3.5、使用预训练模型 (pix2pix)
下载预训练模型使用 ./scripts/download_pix2pix_model.sh.
- Check here for all the available pix2pix models. For example, if you would like to download label2photo model on the Facades dataset,
bash ./scripts/download_pix2pix_model.sh facades_label2photo- 下载pix2pix facades数据集
bash ./datasets/download_pix2pix_dataset.sh facades- 然后用以下方法生成结果
python test.py --dataroot ./datasets/facades/ --direction BtoA --model pix2pix --name facades_label2photo_pretrained-
请注意，我们指定了
--direction BtoA，因为Facades数据集的A到B方向是照片到标签。 -
如果你想把预先训练好的模型应用于输入图像的集合（而不是图像对），请使用
--model test选项。参见./scripts/test_single.sh，了解如何将模型应用于Facade标签图（存储在facades/testB目录下）。 -
请参阅目前可用的模型列表
./scripts/download_pix2pix_model.sh
3.6、数据集
下载pix2pix/CycleGAN数据集并创建你自己的数据集。
3.7、训练和测试Tips
训练和测试你的模型的最佳做法。
3.8、常见问题
在你发布新问题之前，请先看看上述问答和现有的GitHub问题。
3.9、自定义模型和数据集
如果你打算为你的新应用程序实现自定义模型和数据集，我们提供了一个数据集模板和一个模型模板作为起点。
3.10、Code structure
为了帮助用户更好地理解和使用我们的代码，我们简要地概述了每个包和每个模块的功能和实现。