PyTorch CycleGAN

Pytorch-Cyclegan

تطبيق Pytorch نظيف وقابل للقراءة لـ Cyclegan (https://arxiv.org/abs/1703.10593)

المتطلبات الأساسية

يهدف الكود إلى العمل مع Python 3.6.x ، ولم يتم اختباره مع الإصدارات السابقة

Pytorch & Torchvision

اتبع التعليمات في pytorch.org لإعدادك الحالي

Visdom

لرسم الرسوم البيانية لخسارة ورسم الصور في عرض متصفح ويب جميل

 pip3 install visdom

تمرين

1. قم بإعداد مجموعة البيانات

أولاً ، ستحتاج إلى تنزيل مجموعة بيانات وإعدادها. أسهل طريقة هي استخدام إحدى مجموعات البيانات الموجودة بالفعل في مستودع UC Berkeley:

 ./download_dataset <dataset_name>

صالح <DataSet_name> هي: Apple2orange ، Summer2Winter_YOSEMITE ، Horse2Zebra ، Monet2Photo ، Cezanne2Photo ، Ukiyoe2Photo ، Vangogh2Photo ، Maps ، Cityscapes ، واجهات ، iPhone2dslr_flower ، ae_photos

بدلاً من ذلك ، يمكنك إنشاء مجموعة البيانات الخاصة بك عن طريق إعداد بنية الدليل التالية:

 .
├── datasets                   
|   ├── <dataset_name>         # i.e. brucewayne2batman
|   |   ├── train              # Training
|   |   |   ├── A              # Contains domain A images (i.e. Bruce Wayne)
|   |   |   └── B              # Contains domain B images (i.e. Batman)
|   |   └── test               # Testing
|   |   |   ├── A              # Contains domain A images (i.e. Bruce Wayne)
|   |   |   └── B              # Contains domain B images (i.e. Batman)

2. القطار!

 ./train --dataroot datasets/<dataset_name>/ --cuda

سيبدأ هذا الأمر جلسة تدريبية باستخدام الصور تحت دليل Dataroot/Train مع المقاييس المفرطة التي أظهرت أفضل النتائج وفقًا لمؤلفي Cyclegan. أنت حر في تغيير تلك المقاييس المفرطة ، انظر ./train --help للحصول على وصف لها.

سيتم حفظ كل من المولدات والأوزان التمييز تحت دليل الإخراج.

إذا كنت لا تملك وحدة معالجة الرسومات ، فقم بإزالة خيار -cuda ، على الرغم من أنني أنصحك بالحصول على واحدة!

يمكنك أيضًا عرض تقدم التدريب وكذلك صور الإخراج المباشر عن طريق تشغيل python3 -m visdom في محطة أخرى وفتح HTTP: // localhost: 8097/في متصفح الويب المفضل لديك. هذا يجب أن يولد تقدمًا في خسارة التدريب كما هو موضح أدناه (المعلمات الافتراضية ، مجموعة بيانات Horse2Zebra):

الاختبار

 ./test --dataroot datasets/<dataset_name>/ --cuda

سيأخذ هذا الأمر الصور تحت دليل Dataroot/Test ، وتشغيلها عبر المولدات وحفظ الإخراج تحت أدلة الإخراج/A والإخراج/B. كما هو الحال مع القطار ، يمكن تعديل بعض المعلمات مثل الأوزان التي يجب تحميلها ، انظر ./test --help لمزيد من المعلومات.

أمثلة على المخرجات التي تم إنشاؤها (المعلمات الافتراضية ، مجموعة بيانات Horse2zebra):

رخصة

تم ترخيص هذا المشروع بموجب ترخيص GPL V3 - راجع ملف الترخيص.

شكر وتقدير

الكود هو في الأساس تنفيذ أكثر نظافة وأقل غموضًا لبيتورش سيكلينغان و PIX2PIX. يذهب كل الفضل إلى مؤلفي Cyclegan و Zhu و Jun-Yan و Park و Taesung و Isola و Phillip و Efros و Alexei A.