PyTorch CycleGAN

Pytorch-Cycegan

Implementasi Pytorch yang bersih dan dapat dibaca dari Cyclegan (https://arxiv.org/abs/1703.10593)

Prasyarat

Kode dimaksudkan untuk bekerja dengan Python 3.6.x , belum diuji dengan versi sebelumnya

Pytorch & Torchvision

Ikuti instruksi di pytorch.org untuk pengaturan Anda saat ini

Visdom

Untuk memplot grafik kehilangan dan menggambar gambar dalam tampilan browser web yang bagus

 pip3 install visdom

Pelatihan

1. Siapkan dataset

Pertama, Anda perlu mengunduh dan mengatur dataset. Cara termudah adalah dengan menggunakan salah satu dataset yang sudah ada di repositori UC Berkeley:

 ./download_dataset <dataset_name>

Valid <Dataset_name> adalah: Apple2ORange, Summer2winter_yosemite, Horse2zebra, Monet2Photo, Cezanne2Photo, Ukiyoe2Photo, Vangogh2Photo, Maps, Cityscapes, Facade, iPhone2DSLR_FLOWER, AE_PHOTOS

Atau Anda dapat membangun dataset Anda sendiri dengan mengatur struktur direktori berikut:

 .
├── 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. Latih!

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

Perintah ini akan memulai sesi pelatihan menggunakan gambar di bawah direktori DataRoot/Train dengan hyperparameters yang menunjukkan hasil terbaik menurut penulis Cyclegan. Anda bebas mengubah hiperparameter itu, lihat ./train --help untuk deskripsi itu.

Baik generator dan bobot diskriminator akan disimpan di bawah direktori output.

Jika Anda tidak memiliki GPU, hapus opsi - -Cuda, meskipun saya menyarankan Anda untuk mendapatkannya!

Anda juga dapat melihat kemajuan pelatihan serta gambar output langsung dengan menjalankan python3 -m visdom di terminal lain dan membuka http: // localhost: 8097/di browser web favorit Anda. Ini harus menghasilkan kemajuan kerugian pelatihan seperti yang ditunjukkan di bawah ini (params default, dataset Horse2zebra):

Pengujian

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

Perintah ini akan mengambil gambar di bawah direktori Dataaroot/Tes , menjalankannya melalui generator dan menyimpan output di bawah direktori output/a dan output/b . Seperti halnya kereta, beberapa parameter seperti bobot untuk dimuat, dapat diubah, lihat ./test --help untuk informasi lebih lanjut.

Contoh output yang dihasilkan (Param Default, Horse2zebra Dataset):

Lisensi

Proyek ini dilisensikan di bawah lisensi GPL V3 - lihat file lisensi.md untuk detailnya

Ucapan Terima Kasih

Kode pada dasarnya adalah implementasi yang lebih bersih dan kurang dikaburkan dari Pytorch-Cyclegan dan Pix2pix. Semua kredit diberikan kepada penulis Cyclegan, Zhu, Jun-yan dan Park, Taesung dan Isola, Phillip dan EFROS, Alexei A.