環境
| OS | Windows11 |
|---|---|
| GPU | NVIDIA GeForce GTX 1060 |
| Python | 3.6(Anaconda3) |
トレーニングを試す手順
ダウンロード
ソースコードをダウンロード
git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix cd pytorch-CycleGAN-and-pix2pix
GitHub - junyanz/pytorch-CycleGAN-and-pix2pix: Image-to-Image Translation in PyTorch
環境構築
下記のコマンドでパッケージの一括ダウンロード
conda env create -f environment.yml activate pytorch-CycleGAN-and-pix2pix
データセットのダウンロード
トレーニングのデータセットをダウンロード。
bash ./datasets/download_cyclegan_dataset.sh maps
トレーニング
下記のコマンドでトレーニング開始。
python train.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan
トレーニングが開始されるとcheckpointsフォルダに途中経過の画像が保存されていく。
保存される画像は下記の8種類。
real_A: 変換前の画像（今回のデータは実写画像）real_B: 変換前の画像（今回のデータはイラスト画像）fake_A: 変換後の画像（real_B→[BtoA]→fake_A）実写fake_B: 変換後の画像（real_A→[AtoB]→fake_B）イラストrec_A: 変換後の画像から復元した画像（fake_B→[BtoA]→rec_A）実写rec_B: 変換後の画像から復元した画像（fake_A→[AtoB]→rec_B）イラストidt_A: AからBへの変換にBの画像を入れたときの画像（real_B→[AtoB]→idt_A）イラストidt_B: BからAへの変換にAの画像を入れたときの画像（real_A→[BtoA]→idt_B）実写
※[AtoB]:実写からイラスト [BtoA]:イラストから実写
途中経過
epoch001
epoch010
epcoh050
テスト
下記のコマンドでテスト開始。
python test.py --dataroot ./datasets/maps --name maps_cyclegan --model cycle_gan
