[Pytorch系列-66]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型测试pix2pix模型

Posted 2022-01-09 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-66]：生成对抗网络GAN - 图像生成开源项目pytorch-CycleGAN-and-pix2pix - 使用预训练模型测试pix2pix模型相关的知识，希望对你有一定的参考价值。

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/122061704

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

第1章概述

1.1 代码架构与总体思路

[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_文火冰糖（王文兵）的博客-CSDN博客作者主页(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：目录第1章理论概述1.1普通GAN, pix2pix, CycleGAN和pix2pixHD的演变过程第2章 CycleGAN-and-pix2pix代码下载2.1 github代码链接2.2 github使用说明2.3 代码下载第3章CycleGAN-and-pix2pix代码代码结构3.1 目录结构3.2 图片转换的两大功能3.3 启动程序的三种方法..https://blog.csdn.net/HiWangWenBing/article/details/121940011

1.2 本章基本思路

（1）选择命令行或jupter进行测试

（2）选择所需要硬盘空间小的数据进行测试

（3）熟悉pytorch-CycleGAN-and-pix2pix项目的使用

（4）熟悉pix2pix的使用效果

第2章测试步骤

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

如果已经完成，可以跳过此步骤。

（1）Linux 命令行方式：!git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

（2）Windows浏览器下载：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

备注：

可以把代码下载或拷贝到jupter的工作目录中，以便后续可以通过jupter运行代码。

第2步：切换当前目录

（1）运行方式

Windows 命令行方式：

cd xxx

jupter方式：

import os
os.chdir('pytorch-CycleGAN-and-pix2pix/')

第3步：安装依赖文件（可视化工具）

如果已经完成，可以跳过此步骤。

Windows 命令行方式

pip install -r requirements.txt

Jupter方式

!pip install -r requirements.txt

torch>=0.4.1
torchvision>=0.2.1
dominate>=2.3.1
visdom>=0.1.8.3

第4步：下载pix2pix数据集

（1）支持的数据集

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

（2）下载方式

Linux 命令行方式

bash ./datasets/download_pix2pix_dataset.sh facades

Jupter方式

!bash ./datasets/download_pix2pix_dataset.sh facades

Windows浏览器方式

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和cityscapes数据集最小，方便测试验证。

（3）数据集的存放路径

存放路径：pytorch-CycleGAN-and-pix2pix\\datasets

备注：必须同名，不能改名

第5步：下载预训练模型

（1）下载方式

Linux命令行方式

bash ./scripts/download_pix2pix_model.sh facades_label2photo

jupter方式

!bash ./scripts/download_pix2pix_model.sh facades_label2photo

Windows方式

根据download_pix2pix_model.sh脚步的内容，获取链接：

http://efrosgans.eecs.berkeley.edu/pix2pix/models-pytorch/

（2）存放路径

./checkpoints/NAME_pretrained/latest_net_G.pth

xxx为模型名称。

备注：

需要把模型的名称，改为latest_net_G.pth，并存放在NAME_pretrained目录中。

第6步：模型测试

（1）运行方式

命令行方式：

test.py --dataroot ./datasets/facades --direction BtoA --model pix2pix --name facades_pix2pix

jupter方式：

!python test.py --dataroot ./datasets/facades --direction BtoA --model pix2pix --name facades_pix2pix

（2）主要参数

--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

（3）参数详解

----------------- Options ---------------
aspect_ratio: 1.0
batch_size: 1
checkpoints_dir: ./checkpoints
crop_size: 256
dataroot: ./datasets/facades     [default: None]
dataset_mode: aligned
direction: BtoA     [default: AtoB]
display_winsize: 256
epoch: latest
eval: False
gpu_ids: 0
init_gain: 0.02
init_type: normal
input_nc: 3
isTrain: False    [default: None]
load_iter: 0    [default: 0]
load_size: 256
max_dataset_size: inf
model: pix2pix    [default: test]
n_layers_D: 3
name: facades_label2photo_pretrained   [default: experiment_name]
ndf: 64
netD: basic
netG: unet_256
ngf: 64
no_dropout: False
no_flip: False
norm: batch
ntest: inf
num_test: 50
num_threads: 4
output_nc: 3
phase: test
preprocess: resize_and_crop
results_dir: ./results/
serial_batches: False
suffix:
verbose: False

（3）输出结果

dataset [AlignedDataset] was created
initialize network with normal
model [Pix2PixModel] was created
loading the model from ./checkpoints\\facades_label2photo_pretrained\\latest_net_G.pth
---------- Networks initialized -------------
[Network G] Total number of parameters : 54.414 M
-----------------------------------------------
creating web directory ./results/facades_label2photo_pretrained\\test_latest
processing (0000)-th image... ['./datasets/facades\\\\test\\\\1.jpg']
processing (0005)-th image... ['./datasets/facades\\\\test\\\\103.jpg']
processing (0010)-th image... ['./datasets/facades\\\\test\\\\12.jpg']
processing (0015)-th image... ['./datasets/facades\\\\test\\\\17.jpg']
processing (0020)-th image... ['./datasets/facades\\\\test\\\\21.jpg']
processing (0025)-th image... ['./datasets/facades\\\\test\\\\26.jpg']
processing (0030)-th image... ['./datasets/facades\\\\test\\\\30.jpg']
processing (0035)-th image... ['./datasets/facades\\\\test\\\\35.jpg']
processing (0040)-th image... ['./datasets/facades\\\\test\\\\4.jpg']
processing (0045)-th image... ['./datasets/facades\\\\test\\\\44.jpg']

图片位置：

\\pytorch-CycleGAN-and-pix2pix\\results\\facades_label2photo_pretrained\\test_latest\\images