[Pytorch系列-68]：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CycleGAN模型

Posted 2022-01-12 文火冰糖的硅基工坊

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/122071545

---

目录

第1章 概述

1.1 代码架构与总体思路

1.2 本章基本思路

第2章 测试步骤

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（可视化工具）

第4步：下载CycleGAN数据集

第5步：下载预训练模型

第6步：模型测试

第7步：效果展示

---

---

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CycleGAN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CycleGAN数据集

（1）下载方式

• Linux 命令行方式

bash ./datasets/download_cyclegan_dataset  horse2zebra

• Jupter方式

!bash ./datasets/download_cyclegan_dataset horse2zebra

• Windows浏览器方式

根据./datasets/download_cyclegan_dataset.sh的内容，获取数据集URL， 通过URL手工下载：

https://people.eecs.berkeley.edu/~taesung_park/CycleGAN/datasets/

  备注：

• 这里选择horse2zebra：马到斑马的转换。

（2）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

 （3）小型数据集

• summer2winter_yosemite：夏天转换成冬天
• horse2zebra：马到斑马的转换
• apple2orange：苹果到橙子的转换
• facades：建筑物的转换
• mini：min数据的马到斑马的转换

第5步：下载预训练模型

（1）下载方式

• Linux命令行方式

bash ./scripts/download_cyclegan_model horse2zebra

• jupter方式

!bash ./scripts/download_cyclegan_model horse2zebra

• Windows方式

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

http://efrosgans.eecs.berkeley.edu/cyclegan/pretrained_models/

（3）支持的模型

（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：

python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

python test.py --dataroot datasets/apple2orange/testA --name apple2orange_pretrained --model test --no_dropout

python test.py --dataroot datasets/summer2winter_yosemite/testA --name summer2winter_yosemite_pretrained --model test --no_dropout

• Jupter方式：

!python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

!python test.py --dataroot datasets/apple2orange/testA --name apple2orange_pretrained --model test --no_dropout

!python test.py --dataroot datasets/summer2winter_yosemite/testA --name summer2winter_yosemite_pretrained --model test --no_dropout

（2）主要参数

• --dataroot ./datasets/horse2zebra： 指定数据集的路径
•  --name horse2zebra ：与预训练mode的名称
• --model test ：test 模型是CycleGAN的简化，去掉了不必要的网络，仅仅用于测试，无法进行模型训练。 

（3）参数详解

（4）输出结果

\\pytorch-CycleGAN-and-pix2pix\\results\\horse2zebra_pretrained\\test_latest\\images

第7步：效果展示

（1）输入图片

 （2）输出图片（2张独立的图片）

第1张：真实的输入图片（作为比较）

第2张：生成的输出图片（创作图片）

---

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/122071545