CycleGAN tensorflow2

tensorflow2实现CycleGAN，移植修改自源码

效果演示(只训练30000次)

风景画转梵高画风格:

输入风景画:

转换后:
梵高画转风景画风格:

输入梵高画:

转换后:

更多次数的训练效果应该还会更好一些。

移植细节

程序主体架构来自Monkeone，原作者可能是完全复现CycleGAN论文的算法与网络架构，我为了在小显存显卡上方便训练以及更好的网络效果，主要做了如下修改:

修改生成器，使用上采样层代替转置卷积
减小默认resnet blocks和判别器隐层数量，方便小显存显卡训练
网络输入大小由helper里cfg提供
添加tensorboard记录训练时的图片
修复一处可能存在的判别器优化器bug
添加更多命令行参数，可直接指定学习率、恢复训练等
重写helpers.py
修改训练、测试逻辑

TODO

完成更多模型的训练，提供更多的演示效果与内置模型
...

准备数据集

准备两种不同风格或领域的图片，分为A和B，按如下方式放在data文件夹下：在data文件夹下新建文件夹，用存放在trainA、trainB、testA、testB文件夹，其中train内图片用于训练模型，test内图片用于最后的转换测试，

训练

执行python train.py -h 查看帮助信息，一般执行如下命令即可开始训练：

python train.py --data_dir 数据集路径

使用tensorboard查看训练状态：

tensorboard --logdir logs/ --bind_all

浏览器打开http://127.0.0.1:6006

如需在训练时查看生成图片信息，在训练时指定--tensorboard_images_freq参数，参数为更新频率

测试

执行python test.py -h 查看帮助信息，一般执行如下命令即可开始测试：

python test.py --data_dir 数据集路径

测试结果默认保存在数据集目录下output文件夹里，也可使用out_dir参数指定保存路径

Credits

Monkeone for main framework.