14、使用CycleGAN和SimGAN进行图像风格迁移与逼真化处理

使用CycleGAN和SimGAN进行图像风格迁移与逼真化处理

一、CycleGAN训练方法

1.1 训练方法概述

CycleGAN的训练方法与DCGAN有部分代码相同，但也有一些关键变化。我们需要以不同的方式为批量生成器收集数据，并且要训练新开发的四个判别器。

1.2 训练方法步骤

1. 定义训练方法：

def train(self): for e in range(self.EPOCHS): b = 0 X_train_A_temp = deepcopy(self.X_train_A) X_train_B_temp = deepcopy(self.X_train_B) while min(len(X_train_A_temp),len(X_train_B_temp))>self.BATCH: # Keep track of Batches b=b+1

由于每个批次代表一张图像，所以不要求每个域包含相同数量的图像。当A和B中较小的图像数组中没有更多图像时，一个epoch结束。

2. 获取训练批次的真实图像：

# Train Discriminator # Grab R