本复现项目中,使用resnet_9blocks作为生成器模型,使用3层的NLayerDiscriminator作为判别器模型。
训练相关参数与流程,均包含在cycle_gan.py文件中,总体不超200行,简单易懂,可读性极强。
调用代码为transfer.py,只需载入模型并指定图片,即可完成调用。
原图 | 官方 | 复现 |
---|---|---|
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
conda create -n cycleGAN python=3.8
conda activate cycleGAN
pip install -r requirements.txt
# 修改cycle_gan.py中213行,图片目录
python cycle_gan.py
你也可以下载本项目训练好的生成器模型
G_loss | D_loss | GAN_loss | cycle_loss | idt_loss |
---|---|---|---|---|
![]() |
![]() |
![]() |
![]() |
![]() |
EPOCH 0 | EPOCH 30 | EPOCH 40 | EPOCH 50 | EPOCH 80 | EPOCH 120 | EPOCH 160 | EPOCH 200 | |
---|---|---|---|---|---|---|---|---|
horse2zebra | ![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
zebra2horse | ![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |
原图 | 官方 | 复现 |
---|---|---|
![]() |
![]() |
![]() |
![]() |
![]() |
![]() |