pytorch-CycleGAN-and-pix2pix学习

环境安装

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）-CSDN博客

conda env remove --name pytorch-img2img

conda activate pytorch-img2img

安装torch vision

pip3 install torch torchvision torchaudio --index-url https://mirrors.nju.edu.cn/pytorch/whl/cu128

安装其他依赖

pip install dominate>=2.4.0 visdom>=0.1.8.8 wandb

原始命令

python train.py \ --dataroot ./datasets/maps \ --name maps_cyclegan \ --model cycle_gan \ --use_wandb

一、最核心的 3 个参数（必须懂）

1️⃣ --dataroot ./datasets/maps

👉 数据集根目录

CycleGAN 会自动去找：

./datasets/maps/
├── trainA
├── trainB
├── testA
└── testB

如果结构不对，就会：

• 找不到数据

• 或直接报错

---

2️⃣ --name maps_cyclegan

👉 这一次实验的名字

它会决定 所有输出目录名：

• 模型权重：

  checkpoints/maps_cyclegan/

• 训练日志

• 可视化结果

💡 实战建议：

• 每改一组参数，就换一个 --name

• 否则会覆盖之前的训练结果

---

3️⃣ --model cycle_gan

👉 用哪种模型

这个仓库里主要有两种：

参数	含义
cycle_gan	非配对数据（horse↔zebra）
pix2pix	配对数据（maps 数据集原本是这个）

⚠️ 注意：

• maps 本来是 pix2pix 数据集

• 你现在用 cycle_gan，是"强行当非配对来用"

这是允许的，但语义不同。

二、--use_wandb 是干嘛的？（重点）

4️⃣ --use_wandb

👉 启用 Weights & Biases（wandb）实验跟踪

它是一个：

• 训练 loss 可视化

• 图片生成过程记录

• 实验对比平台

启用后会发生什么？

• 自动记录：

  • G_A / G_B / D_A / D_B loss

  • 生成图片

  • 超参数

• 可在网页上实时查看训练过程

使用wandb

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