【深度学习入门项目】给学妹换个风格，画风突变【❤️CVPR 2020 风格迁移之NICE-GAN❤️】

本文主要是介绍【深度学习入门项目】给学妹换个风格，画风突变【❤️CVPR 2020 风格迁移之NICE-GAN❤️】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

❤️【深度学习入门项目】❤️ 之【风格迁移】初识 | 🚀学会【对抗训练】，你和学妹便不会再有尴尬🚀

❤️ 【带你了解】❤️

❤️ 风格迁移 ========》一键换装
💙 人生多一点尝试 ===》画风突变

文章目录

- 🔔 基础信息
- 🎉 git 官方环境依赖如下：
- 📢 环境搭建
- 🎄 项目结构
- - 💜 加入数据集
  - 💜 训练参数设置
- 🎄 训练和测试
- - 💜 Train
  - 💜 Test
- 💬 备注
- 👋 可能遇到的报错
- 🚀 给学妹换个风格 🚀
- - 💜 训练分析
  - 💜 学妹还是有的
- 🍖 训练代码+数据分享
- 🚀🚀 文末专栏推荐部分 🚀🚀
- ❤️ 当生成器和判别器趋于平衡，那便是爱情 💜

🔔 基础信息

Reusing Discriminators for Encoding: Towards Unsupervised Image-to-Image Translation
《重用判别器进行编码：实现无监督的图像到图像翻译》
https://arxiv.org/pdf/2003.00273.pdf
论文精简翻译
官方 PyTorch 实现 – https://github.com/alpc91/NICE-GAN-pytorch

🎉 git 官方环境依赖如下：

gitHub 官方

📢 环境搭建

服务器：ubuntu1~18.04 Quadro RTX 5000 16G
CUDA版本 V10.0.130

conda create -n nice python=3.6.9conda activate nicepip install torch==1.1.0pip install torchvision==0.3.0
或者（建议使用 conda 来安装）
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorchpip install pillow==5.2.0pip install opencv-pythonpip install scipy
pip install thop

🎄 项目结构

 git clone https://github.com/alpc91/NICE-GAN-pytorch.gitcd NICE-GAN-pytorchcd dataset/

💜 加入数据集

1-0

💜 训练参数设置

1-1

🎄 训练和测试

💜 Train

# 显卡16G不够用，所以设置  --light True python main.py --dataset horse2zebra --light True# 指定多卡训练的方式如下CUDA_VISIBLE_DEVICES=2,3 python main.py --dataset horse2zebra --light True# nohup 把训练进程放到后台nohup python main.py --dataset horse2zebra --light True &

90分钟训练 5000 个epoch ，训练效果如下

1-2

💜 Test

python main.py --dataset horse2zebra --phase test  --light True

测试运行输出如下

python main.py --dataset horse2zebra --phase test  --light True# 测试运行输出如下number of epochs must be larger than or equal to one##### Information #####
# light :  True
# dataset :  horse2zebra
# batch_size :  1
# iteration per epoch :  300000
# the size of image :  256
# the size of image channel :  3
# base channel number per layer :  64##### Generator #####
# residual blocks :  6##### Discriminator #####
# discriminator layers :  7##### Weight #####
# adv_weight :  1
# cycle_weight :  10
# recon_weight :  10
-----------------------------------------------
[INFO] Register count_linear() for <class 'torch.nn.modules.linear.Linear'>.
[INFO] Register count_convNd() for <class 'torch.nn.modules.conv.Conv2d'>.
[INFO] Register count_relu() for <class 'torch.nn.modules.activation.LeakyReLU'>.
[Network disA] Total number of parameters:  93.749M
[Network disA] Total number of FLOPs:  12.013G
-----------------------------------------------
[INFO] Register zero_ops() for <class 'torch.nn.modules.activation.ReLU'>.
[INFO] Register count_linear() for <class 'torch.nn.modules.linear.Linear'>.[Network gen2B] Total number of parameters:  16.192M
[Network gen2B] Total number of FLOPs:  67.552G
-----------------------------------------------
5000 [测试使用模型的迭代次数]dataset/horse2zebra/testA/n02381460_1000.jpg
dataset/horse2zebra/testA/n02381460_1010.jpg
...

1-3

💬 备注

该模型训练中一次保存，大小 1.2 个G
–batch_size == 1 时，GPU 占用 7679MiB
–batch_size == 2 时，GPU 占用 12473MiB
–batch_size == 4 时，16G 的GPU就不够用啦

👋 可能遇到的报错

单卡训练，NICE-GAN full version 训练，【16G】GPU 不够用

CUDA_VISIBLE_DEVICES=3 python main.py --dataset horse2zebra

RuntimeError: CUDA out of memory. Tried to allocate 1024.00 MiB (GPU 0; 15.75 GiB total capacity; 13.78 GiB already allocated; 782.44 MiB free; 499.74 MiB cached)

解决方法如下

经验证换用 24 G 以上更大内存的 GPU 进行训练，不会遇到该错误，即进行【NICE-GAN full version】训练
训练时，追加参数 --light True 即进行【NICE-GAN light version】训练

🚀 给学妹换个风格 🚀

这里使用【梵高油画和现实风景图像】构成的数据集进行 50万 iteration 训练

nohup python main.py --dataset vangogh2photo --light True &# 训练时长，最终定格在 5天

训练结束输出如下

[499995/500000] time: 431994.8614 d_loss: 2.32049370, g_loss: 3.90420341
[499996/500000] time: 431995.4892 d_loss: 2.04860115, g_loss: 3.71788430
[499997/500000] time: 431996.1223 d_loss: 2.22972393, g_loss: 4.25117588
[499998/500000] time: 431996.7609 d_loss: 2.36788273, g_loss: 5.42507362
[499999/500000] time: 431997.3897 d_loss: 2.53704023, g_loss: 4.05708218
[500000/500000] time: 431998.0172 d_loss: 2.21194649, g_loss: 4.53932619
current D_learning rate:-1.7075100951256253e-16
current G_learning rate:-1.7075100951256253e-16[*] Training finished!

💜 训练分析

可以看到，默认每隔10w iteration 保存一次模型，50w 训练只保存了 5次模型
这 5 次保留的模型经测试发现，效果都无法让人心动

意外翻车，原因分析如下

Gan 网络的模型训练本身就有很多不稳定性、不确定性存在
改进策略，数据集 trainA 和 trainB 风格尽量一致
训练时，建议每隔 1 w 或者 5k iteration 保存一次模型
这样可以得到多个生成模型，然后一一测试，也许会有惊喜
对于 NiceGAN 而言，实测应用，模型训练基本是这样一个思路
只能说，iteration 次数越多，理论上训练效果相对会更好，但是实际应用中，效果好的模型未必就是训练次数最大的那次得到的模型

2-1

💜 学妹还是有的

论数据集风格统一的重要性

【❤️下次，一定，让你更美❤️】

2-3

🍖 训练代码+数据分享

💜【把训练数据 + 代码分享给大家】💜

链接：https://pan.baidu.com/s/1zNR8TcXmQU7_nCB20Rqzmw 
提取码：2021

🚀🚀 文末专栏推荐部分 🚀🚀

🎄如果感觉文章看完了不过瘾，还想更进一步，那么可以来我的其他专栏看一下哦~

❤️ 图像风格转换 —— 代码环境搭建 实战教程【关注即可阅】！
💜 图像修复-代码环境搭建-知识总结 实战教程 【据说还行】
💙 超分重建-代码环境搭建-知识总结 解秘如何让白月光更清晰【脱单神器】
💛 YOLO专栏，只有实战，不讲道理 图像分类【建议收藏】！

🎄 个人整理的Cuda系列 Linux安装教程【适合小白进阶】

💜 ubuntu18给当前用户安装cuda11.2 图文教程 | 配置cuDNN8.1 |
💜 Linux服务器下给当前用户安装自己的CUDA10.0
💜 Linux下cuda10.0安装Pytorch和Torchvision
💜 Linux 可以安装多个版本的Cuda 吗 | 给我一台新的服务器，我会怎么安排 Cuda
💜 查看CUDA和cuDNN的版本号

❤️ 当生成器和判别器趋于平衡，那便是爱情 💜

9-7

9-8

这篇关于【深度学习入门项目】给学妹换个风格，画风突变【❤️CVPR 2020 风格迁移之NICE-GAN❤️】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

【深度学习入门项目】给学妹换个风格，画风突变【❤️CVPR 2020 风格迁移之NICE-GAN❤️】

文章目录

🔔 基础信息

🎉 git 官方环境依赖如下：

📢 环境搭建

🎄 项目结构

💜 加入数据集

💜 训练参数设置

🎄 训练和测试

💜 Train

💜 Test

💬 备注

👋 可能遇到的报错

🚀 给学妹换个风格 🚀

💜 训练分析

💜 学妹还是有的

🍖 训练代码+数据分享

🚀🚀 文末专栏推荐部分 🚀🚀

❤️ 当生成器和判别器趋于平衡，那便是爱情 💜

相关文章

springboot项目中整合高德地图的实践

一文详解如何在idea中快速搭建一个Spring Boot项目

SpringBoot项目配置logback-spring.xml屏蔽特定路径的日志

Go学习记录之runtime包深入解析

MySQL版本问题导致项目无法启动问题的解决方案

python编写朋克风格的天气查询程序

springboot项目中使用JOSN解析库的方法

Python中文件读取操作漏洞深度解析与防护指南

Android学习总结之Java和kotlin区别超详细分析

使用vscode搭建pywebview集成vue项目实践

【深度学习入门项目】给学妹换个风格，画风突变【❤️CVPR 2020 风格迁移之NICE-GAN❤️】

文章目录

🔔 基础信息

🎉 git 官方 环境依赖如下：

📢 环境搭建

🎄 项目结构

💜 加入数据集

💜 训练参数设置

🎄 训练和测试

💜 Train

💜 Test

💬 备注

👋 可能遇到的报错

🚀 给学妹换个风格 🚀

💜 训练分析

💜 学妹还是有的

🍖 训练代码+数据分享

🚀🚀 文末专栏推荐部分 🚀🚀

❤️ 当生成器和判别器趋于平衡，那便是爱情 💜

相关文章

🎉 git 官方环境依赖如下：