本文共 2442 字，大约阅读时间需要 8 分钟。

MUNIT(多模态无监督)-图片风格转换

大家好，今天我将分享我对MUNIT项目的深入理解。由于这是一个持续进化的项目，我可能讨论的某些内容可能已经过时。我会尽量提供准确的信息，如果发现任何错误，请随时指出，我会第一时间进行修正。

为了方便和技术交流，我开通了微信号：a944284742，欢迎加入讨论。如果您觉得这篇文章对您有帮助，请记得点赞支持我！

环境安装

作为PyTorch 开源项目开发者，我建议使用PyTorch官方文档中的安装教程。本人使用CUDA 10.0版本搭建了PyTorch 1.2.0， CircularProgress 运行如下指令：

conda create -n pytorch-MUNIT -y python=3.6 conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

接着通过上述指南下载并安装必要的依赖项：

python -m pip install --upgrade pip pip install torch-1.0.0-cp36-cp36m-win_amd64.whl

安装完成后，确保PyCharm 仿照以下步骤配置环境，以便测试和训练程序顺利运行。

代码测试

入门测试阶段，先查看项目文档中的README.md文件，执行示例脚本：

python test.py --config configs/edges2shoes_folder.yaml --input inputs/edge.jpg --output_folder outputs --checkpoint models/edges2shoes.pt --a2b 1

错误处理

错误一：ModuleNotFoundError: 不符合 'torchfile' 模块

解决方法：

pip install torchfilepip install numpypip install torchvision==0.2.1pip install pyyaml

错误二：输入文件路径错误

确保输入文件路径正确：

# 更新图片名即可，执行：python test.py --config configs/edges2shoes_folder.yaml --input inputs/edges2shoes_edge.jpg --output_folder outputs --checkpoint models/edges2shoes.pt --a2b 1

生成的输出文件可在 output 目录找到，如下所示：

数据训练

在训练代码开始前，确保数据格式正确。查看 edges2shoes_folder.yaml 中的 data_root 对应的目录结构：

# 修改数据路径：data_root: ../2.Dataset/edges2shoes

此外，需正确解压并预处理数据集。按照以下步骤执行：

for f in train/*; do convert -quality 100 -crop 50%x100% +repage $f train%d/${f##*/}; done;for f in val/*; do convert -quality 100 -crop 50%x100% +repage $f test%d/${f##*/}; done;mv train0 trainA mv train1 trainB mv test0 testA mv test1 testB

训练完成后，可在 trainA 和 trainB 目录中找到预处理后的数据。

Potential Issue & 错误修复

错误一： tensorboardX 模块缺失

安装以下库以修复 tensorboardX 错误：

pip install tensorboardX

错误二：数据目录验证错误

确保训练数据目录结构正确：

# 示例：[trainA] contains trainA|  233$total.jpg+디바

错误三：文件路径处理异常

在 train.py 中添加适当的条件判断，以支持主程序和批量处理运行：

import shutilif __name__ == '__main__':    parser = argparse.ArgumentParser()    parser.add_argument('--config', type=str, required=True, help='路径配置文件')    parser.add_argument('--input', type=str, required=True, help='输入文件路径')    parser.add_argument('--output_folder', type=str, required=True, help='输出目录')    parser.add_argument('--checkpoint', type=str, required=True, help='检查点路径')    parser.add_argument('--a2b', type=int, required=True, default=0,                        help='是否进行a₂b风格转换（1表示转换，0表示不转换）')    parser.add_argument('--style', type=str, dest='style_path', required=False, \                        help='指定使用的风格图片')

结语

到这里，代码已顺利运行。下一步，我会为大家翻译相关论文，并提供源码解读。请关注后续更新，期待与大家的技术交流！

转载地址：http://ppigz.baihongyu.com/