CycleGAN

不需要配對(duì)也能完成網(wǎng)絡(luò)訓(xùn)練

輸入數(shù)據(jù)只需要兩組數(shù)據(jù)集即可，無(wú)需指定對(duì)應(yīng)關(guān)系，例如馬和斑馬

trainA

trainB

patchGAN的作用，輸出的是一個(gè)N*N的矩陣，需要基于感受野來(lái)計(jì)算損失

基于感受野在特征圖上的預(yù)測(cè)結(jié)果和標(biāo)簽（也需設(shè)置成N*N）計(jì)算損失

下載數(shù)據(jù)集，使用bash命令

dataset

下載地址，但是cityscape比較特殊，要去官網(wǎng)下載

$FILE

數(shù)據(jù)集列表

數(shù)據(jù)集目錄設(shè)置，測(cè)試集可自己指定

訓(xùn)練

train.py

預(yù)訓(xùn)練模型

訓(xùn)練好的一些模型

網(wǎng)址

用別人訓(xùn)練好的模型就可以直接得到一個(gè)測(cè)試結(jié)果，用于測(cè)試使用

預(yù)訓(xùn)練好的模型放在checkpoints里面,自己訓(xùn)練好的模型也會(huì)存放在這里

visdem工具

使用train.py前需要配置參數(shù)

configuration 指定參數(shù)

如測(cè)試集

指定測(cè)試集路徑

--dataroot 數(shù)據(jù)路徑

--name 預(yù)訓(xùn)練模型

--model

results里面存放輸出結(jié)果，包含一個(gè)真的一個(gè)假的

訓(xùn)練斷點(diǎn)看一步步是怎么做的

訓(xùn)練參數(shù)指定

如果顯存太小可能就是要改輸入大小為128*128，項(xiàng)目最小顯存8G以上，12G比較好，不然容易報(bào)錯(cuò)，batchsize=1,改圖像輸入大小

debug模式

先定義好數(shù)據(jù)，構(gòu)建數(shù)據(jù) ，把路徑指定好。讀數(shù)據(jù)

這里判斷模型模式是cycle-gan還是pixel2pixel

指定路徑

transform 操作

把圖像數(shù)據(jù)映射到0-1間，GAN中希望輸入為-1-1更好

A、B操作差不多

batchsize

model構(gòu)建損失函數(shù)

生成器。A-B ,B-A架構(gòu)一樣

一般特征圖越來(lái)越小，特征圖個(gè)數(shù)越來(lái)越多然后還原，最后輸出一樣和輸入，卷積和反卷積

默認(rèn)加9個(gè)殘差模塊提特征

上采樣，反卷積

一定是reflectionpad2d(3）

判別器

最后落到一個(gè)點(diǎn)