PyTorch CycleGAN

Pytorch-Cyclegan

Cyclegan의 깨끗하고 읽기 쉬운 pytorch 구현 (https://arxiv.org/abs/1703.10593)

전제 조건

코드는 Python 3.6.x 에서 작동하기위한 것이며 이전 버전으로 테스트되지 않았습니다.

Pytorch & Torchvision

현재 설정에 대해서는 pytorch.org의 지침을 따르십시오

볼

멋진 웹 브라우저보기에서 손실 그래프를 플로팅하고 이미지를 그리려면

 pip3 install visdom

훈련

1. 데이터 세트를 설정하십시오

먼저 데이터 세트를 다운로드하여 설정해야합니다. 가장 쉬운 방법은 UC Berkeley의 저장소에서 이미 기존 데이터 세트 중 하나를 사용하는 것입니다.

 ./download_dataset <dataset_name>

유효한 <dataSet_name>은 다음과 같습니다.

또는 다음 디렉토리 구조를 설정하여 고유 한 데이터 세트를 구축 할 수 있습니다.

 .
├── 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. 기차!

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

이 명령은 Cyclegan 저자에 따르면 최상의 결과를 보여주는 초 파리 미터와 함께 Dataroot/Train 디렉토리의 이미지를 사용하여 교육 세션을 시작합니다. 당신은 그 과수 분리기를 자유롭게 바꿀 수 있습니다. 그 설명은 ./train --help 참조하십시오.

발전기와 판별 자 가중치는 모두 출력 디렉토리에 저장됩니다.

GPU를 소유하고 있지 않으면 -CUDA 옵션을 제거하지만 하나를 얻는 것이 좋습니다!

다른 터미널에서 python3 -m visdom 실행하고 좋아하는 웹 브라우저에서 http : // localhost : 8097/를 열어 훈련 진행 상황과 라이브 출력 이미지를 볼 수도 있습니다. 아래에 표시된대로 교육 손실 진행을 생성해야합니다 (Default Params, Horse2Zebra 데이터 세트) :

테스트

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

이 명령은 Dataroot/Test 디렉토리 아래에서 이미지를 가져 와서 생성기를 통해 실행하고 출력/A 및 출력/B 디렉토리 아래에서 출력을 저장합니다. 기차와 마찬가지로,로드하는 가중치와 같은 일부 매개 변수는 조정할 수 있습니다. 자세한 내용은 ./test --help 참조하십시오.

생성 된 출력의 예 (기본 매개 변수, Horse2Zebra 데이터 세트) :

특허

이 프로젝트는 GPL V3 라이센스에 따라 라이센스가 부여됩니다 - 자세한 내용은 License.md 파일을 참조하십시오.

감사의 말

코드는 기본적으로 Pytorch-Cyclegan-and-Pix2pix의 더 깨끗하고 가려진 구현입니다. 모든 크레딧은 Cyclegan, Zhu, Jun-Yan 및 Park, Taesung and Isola, Phillip 및 Efros, Alexei A의 저자에게 전달됩니다.