使用CycleGAN训练自己制作的数据集，通俗教程，快速上手（详细图文教程）

💪 专业从事且热爱图像处理，图像处理专栏更新如下👇：
📝《图像去噪》
📝《超分辨率重建》
📝《语义分割》
📝《风格迁移》
📝《目标检测》
📝《暗光增强》
📝《模型优化》
📝《模型实战部署》
📝《图像配准融合》
📝《数据集》
📝《高效助手》

---

总结了使用CycleGAN训练自己制作的数据集，这里的教程例子主要就是官网给出的斑马变马，马变斑马，两个不同域之间的相互转换。教程中提供了官网给的源码包和我自己调试优化好的源码包，大家根据自己的情况下载使用，推荐学习者下载我提供的源码包，可以少走一些弯路，按照我的教程，能较快上手训练使用。

一、源码包的下载

官方给出的源码包下载链接：CycleGAN官网

配套教程源码包获取文章末扫码到公众号「视觉研坊」中回复关键字：CycleGAN，会自动回复下载链接。

下载好配套教程的源码包解压后的样纸见下：

注：如果是下载官网提供源码包的童鞋，在下载后的根目录中创建两个文件，分别是：checkpoints文件（用于存放训练好的模型权重文件）和results文件（用于存放测试后结果）。

二、安装训练必要的库文件

Python的版本选用3.7或者3.8都可以。

三、准备数据集

准备数据集
数据集可以是自己准备的，也可以下载官网提供的，下载官网提供的数据集链接为：数据集下载，如下面的样纸，打开链接后直接点击即可下载数据集，在我提供的源码包中，我已经下载了horse2zebra.zip，后面的教程也都是基于此数据集讲解的。

下载解压后将文件复制到根目录datasets文件中，如下：

训练集里面的样纸见下，如果是用自己数据集的童鞋，将两个不同域的图像，分别复制到对应的测试集里面和训练集里面。

下面是补充解释上面对应的A域，B域各对应着的类别：

四、训练数据集

4.1 配置训练文件

在正式训练前，需要在编译软件中配置训练文件，我这里提供的配置方法是在Pycharm编译软件中，其它编译软件的配置方法也类似，具体配置方法见下：

（1）先运行一下train.py文件，这时候会报错提示，提示需要配置训练文件，如下：

报错的提示如下：error: the following arguments are required: --dataroot

（2）打开Run的下拉菜单，点击Edit Configurations，如下：

如上图所示，在打开的编辑框中输入如下命令后点击OK即可添加好训练配置文件：

4.2 训练参数的修改

下面的参数童鞋根据自己的电脑配置自行修改

（1）训练轮数epoch，修改位置见下：

(2) 一次喂入图片数量，即batch_size的修改，由于CycleGAN网络特别复杂，训练占用的显存特别大，电脑配置一般的话建议改为1就可以，如果你的电脑显存为8G，参数改为2，见下：

下图是我自己电脑显存的使用情况，我电脑显存为8G，batch_size参数为2，大家参考我的电脑配置自行修改训练参数：

4.3 开始训练

上面步骤都准备好后在Terminal控制台中输入下面命令回车就开始训练了，如下：

python train.py --dataroot ./datasets/horse2zebra --name horse2zebra_cyclegan --model cycle_gan

回车后下面这种样纸的情况，就说明在正常训练了：

4.4 可视化训练过程

使用visdom可视化训练过程。安装好visdom这个库后，进入到库所在的文件夹中，打开文件server.py文件，注释一行里面的代码，防止每次打开visdom时都自动连外网更新，见下：

4.4.1 启动visdom

先进入虚拟环境中，输入下面命令后，复制输出的网址到浏览器中就可以实时观看CycleGAN网络的预测结果了，也可以实时看到loss值的变换情况，见下：

python -m visdom.server

4.4.2 修改visdom端口号

上面使用命令python -m visdom.server直接启动visdom时，默认端口号都为8097,一直使用这个端口号有时会出现端口冲突的问题，我们可以自定义端口号显示，自定义端口号为8098的例子见下：

python -m visdom.server -p 8098

五、测试训练好的模型

5.1 配置测试文件

上面的训练很漫长，等待全部训练完后就可以开始测试训练好的模型了，上面训练好的模型，存放在根目录文件夹checkpoints中，如下：

同样类似上面的方法，配置测试文件，先运行以下test.py文件，同样也会报错提示，如下：

开始配置测试文件：

复制权重文件到新建的文件夹horse2zebra_pretrained中，并将复制过来的权重文件名字改为latest_net_G.pth，如下：

5.2 开始测试

在Terminal控制台中输入以下命令，并回车就开始测试了，如下：

python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

出现下面的样纸时就说明测试完成了，测试的最后结果会保存到根目录下的results这个文件夹中，见下：

以上就是使用CycleGAN网络训练自己数据集，并测试最终模型的过程。

六、测试官方给出的模型权重

当然有的童鞋懒得训练也可以使用官方已经训练好的模型权重文件，下载官方给的模型权重文件链接为：官网提供的模型权重，如下：

直接点击下载好后复制到根目录下的checkpoints文件下，新建一个文件夹，再将权重文件复制进去新建的文件夹中，如下：

最后测试之前先修改test.py的配置文件，具体操作同上，如下：

最后在Terminal控制台中输入以下命令回车后，即可测试模型权重的训练结果，最后测试的图像结果保存位置也是在根目录下的results文件夹中，见下：

python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra.pth_pretrained --model test --no_dropout

七、总结

以上就是使用CycleGAN训练自己制作的数据集，快速上手的通俗教程，博文中也提供了直接下载官方提供模型权重文件的使用方法，希望我总结的教程能帮到你快速上手使用。

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！