[Pytorch系列-67]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型进行测试pix2pix模型

Posted 文火冰糖的硅基工坊

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[Pytorch系列-67]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型进行测试pix2pix模型相关的知识,希望对你有一定的参考价值。

7作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/122030093


目录

第1步:下载或克隆pytorch-CycleGAN-and-pix2pix所有代码

第2步:切换当前目录

第3步:安装依赖文件:

第4步:下载pix2pix数据集

第5步:下载预训练模型

第6步:训练模型

第7步:测试模型

第8步:可视化结果


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 [cityscapes, night2day, edges2handbags, edges2shoes, facades, maps]

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 [edges2shoes, sat2map, map2sat, facades_label2photo, and day2night]

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

第8步:可视化结果


作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

本文网址:https://blog.csdn.net/HiWangWenBing/article/details/122030093

以上是关于[Pytorch系列-67]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型进行测试pix2pix模型的主要内容,如果未能解决你的问题,请参考以下文章

[Pytorch系列-69]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - test.py代码详解

[Pytorch系列-61]:生成对抗网络GAN - 基本原理 - 自动生成手写数字案例分析

[Pytorch系列-75]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - CycleGAN网络结构与代码实现详解

[Pytorch系列-63]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 代码总体架构与总体学习思路

[Pytorch系列-73]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - Train.py代码详解

[Pytorch系列-65]:生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 无监督图像生成CycleGan的基本原理