Pose-Guided-Person-Image-Generation 项目常见问题解决方案

Pose-Guided-Person-Image-Generation 项目常见问题解决方案

Pose-Guided-Person-Image-Generation Tensorflow implementation of our NIPS 2017 paper "Pose Guided Person Image Generation" 项目地址: https://gitcode.com/gh_mirrors/po/Pose-Guided-Person-Image-Generation

1. 项目基础介绍和主要编程语言

Pose-Guided-Person-Image-Generation 是一个基于 TensorFlow 的开源项目，它实现了 NIPS 2017 论文 "Pose Guided Person Image Generation" 中的算法。该项目主要用于根据人体姿态生成相应的图像，可以应用于图像编辑、游戏开发、虚拟现实等多个领域。主要的编程语言是 Python。

2. 新手在使用这个项目时需要特别注意的3个问题及解决步骤

问题一：环境依赖安装问题

问题描述： 新手在尝试运行项目时可能会遇到环境依赖安装失败的问题。

解决步骤：

1. 确保安装了 Python 2.7（虽然现代开发通常推荐 Python 3，但该项目指定了 Python 2.7）。
2. 使用 pip 安装项目所需的所有依赖库，命令如下：

   pip install tensorflow-gpu==1.4.1 numpy==1.14.0 Pillow==5.0.0 scikit-image==0.13.0 scipy==1.0.1 matplotlib==2.0.0
   

3. 如果安装过程中遇到问题，可以检查是否有权限安装（使用 sudo pip install）或尝试更新 pip 版本。

问题二：数据集准备问题

问题描述： 项目需要 Market-1501 和 DeepFashion 数据集，新手可能不清楚如何准备这些数据。

解决步骤：

1. 下载 Market-1501 和 DeepFashion 数据集。
2. 使用项目提供的脚本将原始数据转换为 TensorFlow 记录格式（tf-record）。在 datasets 目录下运行以下命令：

   ./run_convert_market.sh  # 转换 Market-1501 数据集
   ./run_convert_DF.sh      # 转换 DeepFashion 数据集
   

3. 脚本会自动下载并转换图像、姿态、属性和分割数据。

问题三：训练和测试脚本配置问题

问题描述： 新手可能不清楚如何配置训练和测试脚本。

解决步骤：

1. 下载训练所需的数据集后，修改 run_market_train.sh 或 run_DF_train.sh 脚本中的 model_dir 变量，将其设置为模型保存的目录。
2. 运行训练脚本开始训练：

   ./run_market_train.sh  # 开始 Market-1501 数据集的训练
   或
   ./run_DF_train.sh       # 开始 DeepFashion 数据集的训练
   

3. 对于测试，首先下载预训练模型和测试数据集，然后修改 run_market_test.sh 或 run_DF_test.sh 脚本中的 model_dir 变量。
4. 运行测试脚本进行测试：

   ./run_market_test.sh  # 使用 Market-1501 数据集进行测试
   或
   ./run_DF_test.sh       # 使用 DeepFashion 数据集进行测试
   

通过以上步骤，新手可以更顺利地使用这个项目，并解决在初期可能会遇到的问题。

Pose-Guided-Person-Image-Generation Tensorflow implementation of our NIPS 2017 paper "Pose Guided Person Image Generation" 项目地址: https://gitcode.com/gh_mirrors/po/Pose-Guided-Person-Image-Generation