参考教程实战教程 理论教程 非常感谢子豪兄免费分享知识，帮助我们减少痛苦。 本博客只简要说明CycleGAN的理论并实现项目可以正常运行在Windows，其实跟着子豪兄的讲解更加全面的帮助看一手论文是不错的学习方法。 CycleGAN理论论文原文 论文主要讲述的是使用CycleGAN实现非配对图像的转译 论文的重点在第四页，其中的一张图表述了实现的过程 CycleGAN 需要训练两个生成对抗网络，即上图的 $(b)$ 和 $( c )$ $(b)$ 中给生成器 $G$ 输入一张莫奈的油画 $x$ ，会生成对应 $Y$域的风景照的假图像，使判别器 $D_Y$ 无法分辨是真图还是生成的假图，为了让生成的假图包含更多原图 $x$ 的信息，我们需要使用生成 $F$ 转回原来的图像域，同时构建一个循环一致性损失，cycle-consistency loss，使其能够收敛；同理 $( c )$ 也是这样的原理。 CycleGAN实现项目地址：https://github.com/open-mmlab/mmgeneration 实战代码地址：https://github.com/TommyZihao/MMGeneration_Tutorials 操作系统：Windows 使用软件：PyCharm 环境安装根据实战代码【A】配置环境 将下载的项目mmgeneration-master文件拖进Pycharm中 创建虚拟环境（不建议） 点击ok即可 后续环境配置需要一步步在setting中搜索安装 当然如果创建了虚拟环境也没什么，可以在setting–>Project: mmgeneration-master–>Python Interpreter换成本地环境 本地环境（推荐）将【A】安装配置MMGeneration.ipynb 文件放进项目根目录中 安装jupyter，建议百度。只要可以做到在Pycharm中运行代码块就行 根据【A】安装所有环境，可以用【A】中代码块运行安装，也可以在terminal中手动安装 1234567891011# 安装 Pytorch!pip3 install install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio==0.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html# 安装 mmcv -full!pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html# 安装其它工具包!pip install ipywidgets tqdm imageio-ffmpeg ninja matplotlib numpy opencv-python prettytable -i https://pypi.tuna.tsinghua.edu.cn/simple!pip install -r requirements.txt!pip install -v -e . 打开setup.py没有报错，就说明环境配置好了 如果有报错，就安装对应环境。 代码测试用到实战代码中的【F1】【F2】..【F5】 测试中需要下载配置文件和权重模型，建议别直接运行代码块 把对应的模型和训练代码链接复制到浏览器下载 然后在根目录创建work_dirs文件夹，把所有下载的模型文件放在里面（只要保证可以引用到就行，可以是其他目录） 将所有配置文件放在/configs/cycylgan中，如果已经有的话就不用下载了 12345678910111213141516171819202122# 子豪兄提供的云盘资源# 模型文件、训练代码 .pth是模型文件, .py是配置文件# 夏天、冬天https://download.openmmlab.com/mmgen/cyclegan/refactor/cyclegan_lsgan_resnet_in_1x1_246200_summer2winter_convert-bgr_20210902_165932-fcf08dc1.pth# 野马、斑马https://download.openmmlab.com/mmgen/cyclegan/refactor/cyclegan_lsgan_resnet_in_1x1_266800_horse2zebra_convert-bgr_20210902_170004-a32c733a.pth# 建筑设计语义图、立面图https://download.openmmlab.com/mmgen/cyclegan/refactor/cyclegan_lsgan_resnet_in_1x1_80k_facades_20210902_165905-5e2c0876.pth# 梵高https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/cyclegan_lsgan_resnet_in_facades_b1x1_80k_vangogh2photo.pyhttps://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/checkpoints/cyclegan_vangogh2photo_iter_80000.pth# 莫奈https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/config/cyclegan_lsgan_resnet_in_facades_b1x1_80k_monet2photo.pyhttps://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/cyclengan_monet2photo_iter_80000.pth# 塞尚https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/config/cyclegan_lsgan_resnet_in_facades_b1x1_80k_cezanne2photo.pyhttps://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/checkpoints/cyclegan_cezanne2photo_iter_80000.pth# 浮世绘https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/config/cyclegan_lsgan_resnet_in_facades_b1x1_80k_ukiyoe2photo.pyhttps://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220322-mmgeneration/checkpoints/cyclegan_ukiyoe2photo_iter_80000.pth 运行【F1】..【F5】的代码，在根目录创建/data目录存放自己的数据集，在实战代码中替换一下链接就行 运行结果展示 总结CycleGAN是循环生成对抗网络，可以做到图像的相互转换，简单来说就是风格的迁移。CycleGAN是生成对抗网络中比较高级的一个部分，是pix2pix升级的版本，因为pix2pix需要真实的风格的图片，然后根据输入进行重构，而CycleGAN就很好的弥补了其缺点，不论输入什么都可以输出想要风格的图片。
