Mindspore框架CycleGAN模型实现图像风格迁移|（四）CycleGAN模型训练

原创

已于 2024-07-30 13:51:59 修改 · 729 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#cycleGAN #mindspore框架模型训练

于 2024-07-17 16:26:41 首次发布

Mindspore框架：CycleGAN模型实现图像风格迁移算法

CycleGAN模型训练

1. CycleGAN模型

在这里插入图片描述
流程：将苹果x输入G，得假橘子G(x)；将假橘子G(x)和真橘子y输入判别器Dx（Dx为橘子判别器）判断真伪。
将真橘子y输入F，得假苹果F(x)；将假苹果F(x)和真苹果x输入判别器Dy（Dy为苹果判别器）判断真伪。
然后在上述过程中，有4个反向传播，分别为G(x)、Dx、F(y)、Dy四个网络的反向传播。

2.构建模型：生成器模型和判别器模型构建

Mindspore框架CycleGAN模型实现图像风格迁移|（一）CycleGAN神经网络模型构建

3.加载在数据集

Mindspore框架CycleGAN模型实现图像风格迁移|（二）实例数据集（苹果2橘子）

4.创建损失函数和优化器

在这里插入图片描述

在这里插入图片描述
表示真假苹果损失，真假橘子损失，周期一致损失的综合损失函数。

Mindspore框架CycleGAN模型实现图像风格迁移|（三）损失函数计算，优化器选择，模型前向计算损失的过程，计算梯度和反向传播

5.训练模型

import os
import time
import random
import numpy as np
from PIL import Image
from mindspore import Tensor, save_checkpoint
from mindspore import dtype

# 由于时间原因，epochs设置为1，可根据需求进行调整
epochs = 1
save_step_num = 80
save_checkpoint_epochs = 1
save_ckpt_dir = './train_ckpt_outputs/'

print('Start training!')

for epoch in range(epochs):
    g_loss = []
    d_loss = []
    start_time_e = time.time()