百度AI攻略：Paddlehub实现图像生成

PaddleHub可以便捷地获取PaddlePaddle生态下的预训练模型，完成模型的管理和一键预测。配合使用Fine-tune API，可以基于大规模预训练模型快速完成迁移学习，让预训练模型能更好地服务于用户特定场景的应用。

模型概述

CycleGAN是生成对抗网络（Generative Adversarial Networks ）的一种，与传统的GAN只能单向生成图片不同，CycleGAN可以同时完成两个domain的图片进行相互转换。该PaddleHub Module使用Cityscapes数据集训练完成，支持图片从实景图转换为语义分割结果，也支持从语义分割结果转换为实景图。

代码及效果示例：

import paddlehub as hub
import matplotlib.pyplot as plt 
import matplotlib.image as mpimg 

cyclegan = hub.Module(name="cyclegan_cityscapes")
test_img_path = "./body2.jpg"
# 预测结果展示
img = mpimg.imread(test_img_path)
plt.imshow(img) 
plt.axis('off') 
plt.show()
# set input dict
input_dict = {"image": [test_img_path]}

# execute predict and print the result
results = cyclegan.generate(data=input_dict)
for result in results:
    print(result)
test_img_path = "./cyclegan_output/body2.jpg"
img = mpimg.imread(test_img_path)
plt.imshow(img) 
plt.axis('off') 
plt.show()

[2020-01-06 08:47:55,320] [    INFO] - Installing cycl