我们更进一步来探索一个生成网络：人脸图像生成
我们将尝试训练GAN，使它可以生成人脸图像
我们使用流行的CelebA数据集，其中包含202599幅名人脸部的图像。所有图像都经过对齐和裁剪，使眼睛和嘴巴在图像中的大概位置居中。
关于此数据集的更多描述请见CelebA数据集详细介绍及其属性提取源代码 - 知乎 (zhihu.com)
代码地址：
1.按照第三部分的pytorch环境搭建(windows版)搭建好pytorch环境 详见https://zhuanlan.zhihu.com/p/565711690
2.下载CelebA数据集，我把这个数据集放在了我的百度网盘链接方便大家下载
链接：https://pan.baidu.com/s/1noOK_SriJ_chiNA4BKd1Fw 提取码：xl5m
3.用pycharm打开此代码文件，像第四部分一样配置好python解释器
4.在此虚拟环境中安装所需的其他依赖，pip install requirements.txt
(注意一定要在此虚拟环境中安装，具体过程不再赘说，自行查阅)
5.进行数据的预处理，运行data_preprocess.py这个文件，注意修改下载的数据集地址（上面百度网盘链接下载下来的压缩包地址，不用解压缩）。data_preprocess.py代码第十行的total_images根据自己的电脑情况进行修改，如果自己电脑没有GPU，就将total_images改小一些，改为20000到40000之间，数值越大，训练时间越长，一般生成效果越好。如果自己电脑上有GPU，安装了GPU版的pytorch，建议将数值改为40000-202599之间，数值越大，训练时间越长，一般生成效果越好。我将total_images设为40000，用笔记本的RTX3050训练，训练时间为一个小时左右。
6.进行模型的训练，运行train.py这个文件。
7.进行模型的推断，即进行人脸的生成，运行inference.py这个文件
下面放两张我训练出的模型的生成效果：
作业要求：按照实践指南进行操作，完成数据的预处理和模型的训练，最后用训练好的模型进行人脸的生成，将生成的人脸保存下来。有能力的同学可以对代码进行改进，优化损失函数，设置多批次的batchsize以加速训练过程