简介CycleGAN源码与论文配套训练指南面向需要在自己数据集上完成风格迁移的深度学习初学者、毕业设计学生及科研人员重点解决域迁移、画风转换等实际应用问题。压缩包共75个文件大小约41.87MB其中以36个Python脚本为核心配套14个Shell训练脚本、7个Markdown说明文档、5个TeX论文源文件及2个Jupyter示例覆盖从模型搭建、数据预处理到训练测试的完整流程。目前已有1256人学习下载。内容除CycleGAN原始论文与官方PyTorch实现外还包含Pix2Pix关联模型框架、教程博客及演示图片便于对照论文理解循环一致性损失等关键机制同时提供环境配置与依赖安装指引。实际可将普通照片转为梵高风格、游戏画面转为真实世界也适用于医疗图像跨模态生成训练时间相对可控测试阶段响应快兼顾科研复现与工程落地需求。1. 先想清楚Cycle GAN 跑自己的数据到底在解决什么很多人拿到 Cycle GAN第一反应是复现梵高和照片那张效果图跑通以后才发现自己真正想要的是“把 A 文件夹变成 B 文件夹”的批量迁移能力。Cycle GAN 是不需要配对样本的图像风格变换框架只要你有两个风格域的图片集合它就能同时训练两个生成器A 到 B、B 到 A核心是用循环一致性把内容保住、只换风格。这套方案对标注几乎零要求最大工作量落在整理数据集和调那三个损失权重上。适合手里有大量未配对图片、想快速出原型的研究者和工程师也适合把渲染图、涂鸦、街景批量统一风格的内容管线。2. 原理先立住配对数据反而不想要循环一致性损失到底拟合了什么2.1 不配对也能训练对抗损失把“域”而不是“图”对应起来传统图像翻译要用 pix2pix 这类方案要求输入和输出像素级配对比如同一张街景的分割图和真实照片。配对数据非常贵很多时候根本拍不到同一场景的两种风格。Cycle GAN 换了一条路我只要收集一大批 A 域图片和一大批 B 域图片并不要求它们一一对应。生成器 G_A2B 的任务是把任意一张 A 域图变得像 B 域的风格判别器 D_B 的任务是分辨这张图到底是真 B 还是假 B。两个网络对抗训练最后 G_A2B 输出的分布会逐渐贴近 B 域的整体分布。但只靠对抗损失有一个大问题G_A2B 可以把图片改成任何一张“看起来像 B 域”的图而不保证内容还是原来那张 A 图。比如把照片变成梵高风格网络完全可以把照片里的房子改成一棵树只要树也像梵高画的就行。于是论文里加了一个循环一致性损失A 图先生成 B再用另一个生成器 G_B2A 把它变回 A要求重建出来的图和原图尽量一致。这个约束逼着 G_A2B 只改动风格信息保留内容结构。反向也一样B 图经过 G_B2A 生成假 A再用 G_A2B 重建回 B。理解到这里就够了Cycle GAN 没有“配对”但靠“绕一圈能回来”的方式实现了内容保真。这也是为什么它适合跑自己的数据集因为现实中我们最容易拿到的就是两堆没有对应关系的图。2.2 生成器与判别器选型为什么是 ResNet 生成器加 70x70 PatchGAN常见的 PyTorch Cycle GAN 实现里生成器默认是 ResNet 结构的 9 个 block而不是 U-Net。ResNet 做风格迁移的好处是它通过残差学习“在原始内容上叠加风格差异”天然适合内容保真。判别器默认是 70x70 PatchGAN也就是输出一个 70x70 的矩阵每个点代表原图一个 patch 的真假判断而不是整张图只输出一个真/假。这样做让判别器更关注局部纹理和笔触质感同时也更容易训练。要注意的是生成器里用的是 InstanceNorm不是 BatchNorm。因为 Cycle GAN 训练时的 batch size 几乎都是 1BatchNorm 在单样本下统计不了均值方差要么崩要么变成另一种形式的 InstanceNorm。很多新手把 batch size 改成 4 想加速结果风格学得很差原因不在这而是 4 张不同风格的图共享归一化统计量反而干扰了 InstanceNorm 的设计意图。判别器层数 n_layers_D 默认是 3对应 70x70 感受野如果图片复杂度低可以改成 2 让判别器更弱一点生成器更容易骗过它。2.3 论文里的三组损失对应训练代码里的哪几行读论文时建议盯着损失函数部分看。Cycle GAN 的训练对象是四个网络G_A2B、G_B2A、D_A、D_B。生成器的总损失由三块拼起来在官方 PyTorch 实现的 _train 函数里大致长这样# 生成器一次迭代的损失计算cycle_gan 模型的核心 # identity_lossB 域图经过 G_A2B 应该尽量不变A 域图经过 G_B2A 也尽量不变 identity_loss L1(G_A2B(b), b) * lambda_identity \ L1(G_B2A(a), a) * lambda_identity # adversarial_loss生成结果要骗过判别器这里用的 LSGAN 的 MSE 形式 adversarial_loss_A MSE(D_A(G_B2A(b)), real_label) # 让 B-A 像真 A adversarial_loss_B MSE(D_B(G_A2B(a)), real_label) # 让 A-B 像真 B # cycle_loss绕一圈回来重建图和原图做 L1 距离 cycle_loss L1(G_B2A(G_A2B(a)), a) * lambda_A \ L1(G_A2B(G_B2A(b)), b) * lambda_B G_loss identity_loss adversarial_loss_A adversarial_loss_B cycle_loss三个权重的默认值很关键lambda_A 和 lambda_B 都是 10lambda_identity 在多数实现里默认 0.5。lambda_A 控制“A 生成 B 再回到 A”的重建强度lambda_B 控制反向。你如果只关心 A 到 B 的方向可以把 lambda_B 调小这样正方向的生成自由度更大风格更强代价是反向重建会变差。读论文和代码对照的正确顺序是先看生成器和判别器的 forward确认输入输出形状再在循环里找到 G_loss 的拼接位置最后只改 lambda 和数据集路径。不要一开始就去纠结网络内部结构Cycle GAN 能跑通的关键是损失权重和数据不是网络微调。2.4 训练前先读懂数据集目录最常用的 PyTorch 实现要求什么结构大多数开源 Cycle GAN 项目都沿用同一个目录约定dataroot/name/trainA/和dataroot/name/trainB/test 的时候再加testA/和testB/。train.py 的--dataroot指向上层目录--name是项目子目录。以最常用的 PyTorch 版本为例完整结构是这样datasets/ └── myproj/ ├── trainA/ # A 域训练图例如真实照片 │ ├── 0001.jpg │ ├── 0002.jpg └── trainB/ # B 域训练图例如油画 ├── 0001.jpg ├── 0002.jpg ├── testA/ # 最后验证效果的 A 域图不进训练 └── testB/ # 最后验证效果的 B 域图不进训练文件名建议统一成纯数字加 jpg 或 png防止中文路径在某些预处理脚本下乱码。A 域和 B 域图片数量可以不一样Cycle GAN 不要求配对也不要求数量均衡但如果一个域只有 20 张另一个域有 3000 张训练会更偏向“把少数域学成记忆”而不是翻译。内容要求原因图片格式jpg / png 均可不要带中文文件名部分图像库和缓存机制会踩编码坑图片尺寸训练时会缩放到 286 再裁剪到 256无需提前统一提前统一反而丢失原始分布信息配对关系不要求一一配对这是 Cycle GAN 与 pix2pix 的本质区别风格纯度trainA 里不要混入明显 B 风格图混入会让判别器无所适从收敛变慢如果你手上的数据本来就是一一配对的比如同一个场景的白天和夜晚照片那优先用 pix2pix不要为了用 Cycle GAN 而用。Cycle GAN 在配对数据上学出来的效果通常不如 pix2pix因为它把一半的建模能力浪费在了不存在的对应关系上。3. 训练自己的数据集目录、依赖、参数四步出第一张结果3.1 环境准备一个 Python 环境装完所有依赖很多人熟悉的是“用 YOLOv5 训练自己的数据集”那个流程下代码、装依赖、改 yaml、开训。Cycle GAN 是同一个路子只是它不需要标注文件需要的是两个图像文件夹。环境要求很轻PyTorch、visdom、dominate、Pillow 就够。conda create -n cyclegan python3.8 -y conda activate cyclegan pip install torch torchvision pip install dominate visdom pillow # 以社区最常用的 PyTorch 实现为例 git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix cd pytorch-CycleGAN-and-pix2pixvisdom 是用来画 loss 曲线的可视化服务一定要提前启动。训练时不开 visdom 也能跑只要加--display_id 0但新手强烈建议开着因为判别器和生成器的对抗震荡很难只凭终端数字判断。python -m visdom.server启动后浏览器打开本地 8097 端口能看到空的 dashboard。训练命令跑起来后loss 曲线会自动往这里推。Windows 下 visdom 偶尔会因为系统代理环境变量报错如果页面一直连不上优先检查 8097 端口是否被占用不要急着怪模型。CPU 也能训练--gpu_ids -1指定但 256 分辨率下速度会慢到让人怀疑人生最好还是搞张 6G 显存以上的卡。3.2 图片整理脚本把 A/B 散图自动变成 train/test 目录假设你从某处下载或者收集了两堆图分别放在raw_A/和raw_B/里里面可能还有子目录、gif、透明通道图片。直接拖进 train 文件夹会让训练意外中断。我习惯先跑一遍整理脚本把扩展名过滤、统一改名、按 9:1 拆出测试集import os import random import shutil from pathlib import Path root Path(./datasets/myproj) trainA, trainB root / trainA, root / trainB testA, testB root / testA, root / testB for d in [trainA, trainB, testA, testB]: d.mkdir(parentsTrue, exist_okTrue) ext {.jpg, .jpeg, .png, .bmp} def organize(src_folder, train_dir, test_dir, prefix, test_ratio0.1): files [] for p in Path(src_folder).rglob(*): if p.suffix.lower() in ext: files.append(p) random.seed(42) random.shuffle(files) n_test max(1, int(len(files) * test_ratio)) for i, p in enumerate(files): if i n_test: dst test_dir / f{prefix}_{i:05d}.jpg else: dst train_dir / f{prefix}_{i-n_test:05d}.jpg shutil.copy2(p, dst) print(f{src_folder}: {len(files)} files, test{n_test}) organize(./raw_A, trainA, testA, A) organize(./raw_B, trainB, testB, B)这段脚本会遍历子目录把 jpg、png、bmp 全部复制出来按序号重命名同时从每域抽 10% 作为 test。注意是copy2不是move保留原始文件防止后面想重新清洗。脚本里的prefix加在文件名前面避免两个域重名。整理完之后最好是肉眼把 testA/testB 各自翻一遍确认没有半张损坏图片。3.3 训练命令与关键参数哪些能调、哪些建议别动数据准备好之后训练命令非常短python train.py \ --dataroot ./datasets/myproj \ --name myproj \ --model cycle_gan \ --load_size 286 \ --crop_size 256 \ --batch_size 1 \ --lr 0.0002 \ --n_epochs 100 \ --n_epochs_decay 100 \ --display_id 1 \ --print_freq 100 \ --save_epoch_freq 10这里--n_epochs 100表示前 100 个 epoch 用固定学习率 0.0002--n_epochs_decay 100表示后 100 个 epoch 线性衰减到 0总共训练 200 个 epoch。--save_epoch_freq 10每 10 轮存一个 checkpoint默认情况会同时保存 G_A2B、G_B2A、D_A、D_B 四个网络。训练完在checkpoints/myproj/下能找到latest_net_G_A.pth。参数作用建议值--load_size/--crop_size先缩放再随机裁剪做空间增强286 / 256显存大可以 512 / 480--batch_size一次迭代样本数固定 1改大了会破坏 InstanceNorm 语义--lr初始学习率0.0002爆 NaN 时降到 0.0001--lambda_A/--lambda_B循环一致性权重默认 10只关心单方向可调小另一个--lambda_identity颜色保持权重0.5照片转油画可开到 1.0--n_layers_D判别器卷积层数3效果差可以降到 2--gan_mode对抗损失形式lsgan不要改成 wgan 除非你真的会调--pool_size判别器历史缓冲池50默认值不用动方向参数--direction AtoB在 train 阶段没有实际影响因为损失是对称的两个生成器同时训练。它真正起作用的是后面 test.py 推理阶段决定输出 A 风格还是 B 风格。所以训练时不用管 direction。3.4 冒烟测试一小时看出你的数据行不行不要一上来就训 200 个 epoch。我一般先用每域 20 到 30 张图做冒烟测试把 epoch 压到 20确认数据集路径、dataloader、loss 计算全都没有问题python train.py \ --dataroot ./datasets/myproj \ --name smoke_test \ --model cycle_gan \ --load_size 286 --crop_size 256 \ --batch_size 1 --lr 0.0002 \ --n_epochs 20 --n_epochs_decay 0 \ --display_id 0 --save_epoch_freq 520 个 epoch 在一张普通显卡上大约半小时到一小时。用--display_id 0关掉 visdom直接看终端输出。判断是否正常的经验是total_loss 里的 cycle_loss 部分应该稳步下降D_A、D_B 在 0.5 附近震荡而不是一路冲到 0 或者 1。如果 cycle_loss 纹丝不动说明生成器从一开始就没学到任何重建能力问题多半出在数据而不是网络回去检查 trainA/trainB 是不是放了同一个域的图片。冒烟测试通过后把smoke_test的 latest checkpoint 直接拿来跑一遍 test.py虽然风格大概率很粗糙但至少能确认推理路径是通的。这一步排掉的问题远比省下的一个小时更值钱。4. 数据选型才是效果天花板域怎么选、怎么洗、怎么拆4.1 选域的核心标准内容重合、风格一致Cycle GAN 的极限通常由数据决定而不是网络。第一批跑出来的效果差绝大多数是因为两个域的“内容分布”完全没有交叉。比如你想把真实照片变成梵高风格A 域全是人物全身照B 域全是风景油画生成器想要成功欺骗判别器最省力的办法是把照片里的所有东西都涂成风景人物直接被抹掉。因为 GAN 只要求结果像 B 域不要求结果里还有人物。所以选域的第一标准是两个域里出现的物体类别要尽可能重合。照片里有天空、房子、树、人油画里也应该有这些。第二标准是风格差异要一致。如果你想做“照片变梵高”B 域就只放梵高风格的画不要为了凑数量把莫奈和毕加索也放进去。那样判别器学到的 B 域不是一个风格而是“任何非照片的绘画”生成结果会变成一个风格大杂烩。最稳妥的做法是先做一个小型验证集A 域 100 张照片B 域 100 张同题材油画。如果这个验证集上能看到明显风格迁移再把规模扩大到几千张。反过来如果小验证集怎么调都不出效果加数据也是白搭。4.2 清洗三步过滤坏图、去重、按域复查从公开数据集、Hugging Face 这类平台下载下来的组合集来源通常很杂直接丢进 train 会让训练在不知不觉中崩掉。我清理数据一般走三步自动过滤、自动去重、最后人工抽查。先跑一遍过滤脚本from PIL import Image import numpy as np import os, shutil def clean_folder(src, dst, min_side200, max_ratio2.5, min_std8.0): os.makedirs(dst, exist_okTrue) for name in os.listdir(src): path os.path.join(src, name) try: im Image.open(path).convert(RGB) w, h im.size if min(w, h) min_side: # 太小的图直接不要 continue if max(w / h, h / w) max_ratio: # 超长全景图会裁掉大量信息 continue gray np.asarray(im.convert(L)).astype(np.float32) if gray.std() min_std: # 纯色图、几乎全白的图没意义 continue shutil.copy2(path, os.path.join(dst, name)) except Exception: continue clean_folder(./raw_A, ./clean_A) clean_folder(./raw_B, ./clean_B)min_std过滤低对比度图值设 8 左右比较宽松只剔除纯色块和严重过曝。不要设太大否则暗光风格的图片会被全部误杀。之后用文件哈希去重。网上数据集里大量重复图是常态特别是爬下来的图片同一张图可能被压缩成多种尺寸。去重脚本可以用 md5 对二进制文件算一遍删除重复项。去重后再按域做人工抽查重点看 A 域里有没有明显是 B 风格的图。比如做白天到夜晚任务时A 域混入大批夜景训练时生成器会困惑“该学亮度变化还是该学风格差异”。清洗宁缺毋滥100 张干净图的效果通常好过 1000 张脏数据。4.3 尺寸、增强与分辨率让 crop 别做太多“内耗”默认的数据增强是图片先缩放到load_size286再随机裁剪到crop_size256同时随机水平翻转。这套组合对大多数任务够用。别开垂直翻转天空和地面的语义关系会被颠倒模型会学到“上下颠倒也没关系”的坏习惯。对于白天到夜晚这类光照任务也不要额外做颜色抖动和亮度扰动那等于人为抹掉两个域最核心的差异。当图片长宽比很极端时比如 16:9 的横构图训练时随机裁剪 256x256 只裁到画面中心一小块大量边缘内容永远进不了训练。我一般会先统一裁剪成 4:3 或 1:1再放进 train。但这会让某些任务丢失关键内容所以更稳妥的做法是尽可能收集本来就接近方形构图的素材让训练和推理的分辨率分布保持一致。如果目标风格的细节很重要比如线稿上色需要看清笔触边界可以把--crop_size从 256 提到 384。显存不够时的调整顺序是先降 batch_size再降 crop_size不要用 CPU offload。生成器是 ResNet 9 个 block感受野相对固定盲目上 512 分辨率不一定更好常常只是让伪影更精细。4.4 划分 train/test如何避免“用训练图当测试图”的低级翻车很多开源数据集直接把所有图片放在一个文件夹里只告诉你“一共有多少张”没有拆分。如果自己随机抽 10% 做测试却又没从训练集中剔除测试效果会虚高。Cycle GAN 虽然没有标签但生成器见过测试图之后判别器也会影响生成器对这张图的拟合。正确做法是先把文件列表随机打乱再切分让 train 和 test 完全没有交集。import random from pathlib import Path srcA Path(./clean_A) files [p.name for p in srcA.iterdir() if p.suffix.lower() in {.jpg, .png}] random.seed(42) random.shuffle(files) n_test int(len(files) * 0.1) test_names files[:n_test] train_names files[n_test:] with open(./split_A.txt, w) as f: for name in train_names: f.write(f{name}\n) with open(./split_A_test.txt, w) as f: for name in test_names: f.write(f{name}\n)把切分名单保存成 txt后续每次重新训练都用同一个名单保证实验可复现。Cycle GAN 的测试集还有一个作用用来观察“风格迁移强度”是否失控。生成器在训练后期可能开始添加奇怪笔触如果 test 集里出现明显超出训练分布的内容比如整张图变成抽象色块说明训练时间过长需要回滚到上一个 checkpoint。5. 避坑清单Cycle GAN 自己数据集训练最常见的五个翻车现场5.1 loss 直接变 NaN生成图全黑或全白现象训练迭代几十步后终端 loss 变成 nanvisdom 曲线突然断掉后续保存的生成图要么全黑要么全白。原因最常见的是学习率太大导致生成器或判别器梯度爆炸其次是数据集里混入了损坏图片比如 0 字节的 jpg、损坏的 pngImageLoader 读到异常像素后把 NaN 传给网络还有一个隐蔽原因是图片带 alpha 通道PIL 读取后如果没转 RGB某些实现会在归一化时算出 NaN。解决先把--lr从 0.0002 降到 0.0001很多不稳定训练在 1e-4 下立刻变正常。然后写一个脚本遍历所有训练图片打开后用im.convert(RGB)再核对尺寸和通道数。更简单的方式是回到清洗脚本把所有图片统一转成 RGB 三通道再保存。最后如果前两步都没解决把--gan_mode从 lsgan 改成 vanillaMSE 损失对判别器饱和更敏感改成交叉熵能缓解部分梯度爆炸。5.2 训练一百轮后输出还是输入G 变成了恒等映射现象测试时 A 图经过生成器输出的图片和输入几乎一模一样风格完全没有迁移但 cycle loss 已经收敛得很低。原因生成器发现“把图片原样输出”就能满足内容重建同时如果判别器不够强风格方向的对抗又造不成压力它就会偷懒走恒等捷径。另一个常见原因是lambda_identity开得太大这个损失本来就是约束“输入经过反向生成器不要变”如果权重压过了对抗损失整个网络会退化成两个恒等函数。解决先把--lambda_identity设为 0确认风格迁移能力恢复再加回 0.5 做颜色保持。如果设 0 后仍然恒等说明判别器太弱把--n_layers_D从 3 改回 4或者把生成器的--netG从 resnet_9blocks 换成 resnet_6blocks降低生成器容量。最后不要忽略数据问题如果 trainA 和 trainB 本身视觉差异极小比如都是同一批照片的不同裁剪Cycle GAN 学习到的自然就是恒等映射。5.3 画面出现水渍状伪影或高频噪点现象生成的图片整体风格到位但天空、墙面这类平坦区域出现一块块水渍样纹理或者整张图蒙上一层细密噪点。原因判别器 PatchGAN 只关注局部 patch生成器为了骗过它会在平坦区域添加高频虚假纹理。这些纹理在判别器看来像目标域的特征但人眼非常敏感。另一个原因是 LSGAN 的 MSE 损失对离群点惩罚重生成器宁可输出平均灰也不愿冒险最后产生带噪点的折中结果。解决先把--lambda_identity开到 1.0让生成器保留更多原始颜色和低频信息伪影通常立刻变淡。再把--n_layers_D降到 2削弱判别器对局部纹理的敏感度。如果任务里文字边缘和细小结构总是崩可以增大--crop_size让生成器看到更大的上下文减少为局部 patch 单独编造纹理的动机。最后训练到后期如果伪影重新出现多半是过拟合直接加载更早的 checkpoint 测试。5.4 换了数据集效果远不如论文示例甚至学不出任何风格现象按教程跑通了代码也建好了 trainA/trainB但训练完风格迁移非常弱测试图只是色调微变完全没有论文里的冲击力。原因多数人忽略了一个前提论文示例里的两个域内容高度重合而且风格差异非常鲜明。夏天到冬天、照片到梵高这类任务本身就有强烈的特征可供学习。而自制数据如果只是“室内照片”和“室外照片”两域在颜色和纹理上的差异没有一致模式生成器找不到可学的风格规则。解决先跑通论文自带的 apple2orange 或 photo2ukiyoe 示例确认代码环境没问题再换成自己的数据。自己的数据要达到类似效果每个域至少要有 100 到 200 张内容类目一致的图片。如果数量不够先用数据增强把量提上去但注意增强只能增加视角变化不能增加内容多样性。最后检查--direction是否设反了训练时虽然两个方向都学但测试时的输出方向要和你认为的“源域到目标域”一致。5.5 测试图颜色错乱、红蓝通道颠倒现象训练过程中看生成的图片很正常但 test.py 保存的结果里绿色植物变成紫红色蓝天变成橙色。原因这是最容易被误判为模型问题的低级坑。某些实现用 OpenCV 读取和保存图像而 OpenCV 的默认通道顺序是 BGR训练时如果用的是 PIL 的 RGB推理时又混用了 cv2.imwrite就会把 R 和 B 通道交换。另一个可能是在自定义 Dataset 里对图片做了通道翻转但测试脚本没做同样的处理。解决查看 test.py 里图像保存的部分。常见做法是用Image.open读成 RGB用imageio.imwrite或 PIL 保存这样就全程走 RGB。如果你用了 OpenCV统一在读取后加cv2.cvtColor(img, cv2.COLOR_BGR2RGB)保存前再转回 BGR。不要迷信某个教程里的图像预览代码自己用 matplotlib 单独读测试图确认一遍最稳妥。通道问题不是玄学是管线里最常见的“黑白匣子”。6. 验证与进阶用 A 到 B 再到 A 的重建检查你的网络是否真的学会了训练完成后第一步不是急着夸效果而是跑一遍批量推理看生成结果和重建结果python test.py \ --dataroot ./datasets/myproj \ --name myproj \ --model cycle_gan \ --direction AtoB \ --epoch latest \ --num_test 50 \ --preprocess resize \ --no_flip--preprocess resize是我强烈建议加上的参数它让测试时不进行随机裁剪保留完整构图。结果会输出到results/myproj/latest_test/里面每张测试图都会被保存。之后把 A 域原图、A 到 B 的生成图、以及用生成图再经过 G_B2A 得到的重建图三张拼在一起看。如果重建图和原图轮廓基本一致说明生成器学的是“换风格保内容”如果风格很明显但重建完全认不出原图说明循环一致性权重不够需要加大lambda_A反过来风格没迁移但重建很好则说明对抗强度不足检查判别器是否过强。进阶玩法是调整不对称权重。比如你只想做“现实场景转二次元”并不关心二次元转回现实可以把lambda_B从 10 降到 2让反向生成器更自由这样正方向的风格会更强。对称性不是金科玉律Cycle GAN 的损失结构允许你按使用场景偏置。量化评估可以补一个 FID社区常用 pytorch-fid 工具对真实 B 域和生成 B 域各算一次特征分布距离数值越小越好。但要注意小数据集下 FID 方差很大少于 200 张图时参考意义不大主要还得靠肉眼判断重建质量和风格一致性。我自己的习惯是每次训练前固定选 10 张测试图训练过程中每 50 个 epochs 跑一次推理只看图不看 loss 曲线。真正确认收敛的是那些固定测试图的稳定性不是 visdom 上的曲线形状。图像结果永远是 Cycle GAN 的唯一可信指标。希望帮到你。本文还有配套的精品资源点击获取
简介CycleGAN源码与论文配套训练指南面向需要在自己数据集上完成风格迁移的深度学习初学者、毕业设计学生及科研人员重点解决域迁移、画风转换等实际应用问题。压缩包共75个文件大小约41.87MB其中以36个Python脚本为核心配套14个Shell训练脚本、7个Markdown说明文档、5个TeX论文源文件及2个Jupyter示例覆盖从模型搭建、数据预处理到训练测试的完整流程。目前已有1256人学习下载。内容除CycleGAN原始论文与官方PyTorch实现外还包含Pix2Pix关联模型框架、教程博客及演示图片便于对照论文理解循环一致性损失等关键机制同时提供环境配置与依赖安装指引。实际可将普通照片转为梵高风格、游戏画面转为真实世界也适用于医疗图像跨模态生成训练时间相对可控测试阶段响应快兼顾科研复现与工程落地需求。1. 先想清楚Cycle GAN 跑自己的数据到底在解决什么很多人拿到 Cycle GAN第一反应是复现梵高和照片那张效果图跑通以后才发现自己真正想要的是“把 A 文件夹变成 B 文件夹”的批量迁移能力。Cycle GAN 是不需要配对样本的图像风格变换框架只要你有两个风格域的图片集合它就能同时训练两个生成器A 到 B、B 到 A核心是用循环一致性把内容保住、只换风格。这套方案对标注几乎零要求最大工作量落在整理数据集和调那三个损失权重上。适合手里有大量未配对图片、想快速出原型的研究者和工程师也适合把渲染图、涂鸦、街景批量统一风格的内容管线。2. 原理先立住配对数据反而不想要循环一致性损失到底拟合了什么2.1 不配对也能训练对抗损失把“域”而不是“图”对应起来传统图像翻译要用 pix2pix 这类方案要求输入和输出像素级配对比如同一张街景的分割图和真实照片。配对数据非常贵很多时候根本拍不到同一场景的两种风格。Cycle GAN 换了一条路我只要收集一大批 A 域图片和一大批 B 域图片并不要求它们一一对应。生成器 G_A2B 的任务是把任意一张 A 域图变得像 B 域的风格判别器 D_B 的任务是分辨这张图到底是真 B 还是假 B。两个网络对抗训练最后 G_A2B 输出的分布会逐渐贴近 B 域的整体分布。但只靠对抗损失有一个大问题G_A2B 可以把图片改成任何一张“看起来像 B 域”的图而不保证内容还是原来那张 A 图。比如把照片变成梵高风格网络完全可以把照片里的房子改成一棵树只要树也像梵高画的就行。于是论文里加了一个循环一致性损失A 图先生成 B再用另一个生成器 G_B2A 把它变回 A要求重建出来的图和原图尽量一致。这个约束逼着 G_A2B 只改动风格信息保留内容结构。反向也一样B 图经过 G_B2A 生成假 A再用 G_A2B 重建回 B。理解到这里就够了Cycle GAN 没有“配对”但靠“绕一圈能回来”的方式实现了内容保真。这也是为什么它适合跑自己的数据集因为现实中我们最容易拿到的就是两堆没有对应关系的图。2.2 生成器与判别器选型为什么是 ResNet 生成器加 70x70 PatchGAN常见的 PyTorch Cycle GAN 实现里生成器默认是 ResNet 结构的 9 个 block而不是 U-Net。ResNet 做风格迁移的好处是它通过残差学习“在原始内容上叠加风格差异”天然适合内容保真。判别器默认是 70x70 PatchGAN也就是输出一个 70x70 的矩阵每个点代表原图一个 patch 的真假判断而不是整张图只输出一个真/假。这样做让判别器更关注局部纹理和笔触质感同时也更容易训练。要注意的是生成器里用的是 InstanceNorm不是 BatchNorm。因为 Cycle GAN 训练时的 batch size 几乎都是 1BatchNorm 在单样本下统计不了均值方差要么崩要么变成另一种形式的 InstanceNorm。很多新手把 batch size 改成 4 想加速结果风格学得很差原因不在这而是 4 张不同风格的图共享归一化统计量反而干扰了 InstanceNorm 的设计意图。判别器层数 n_layers_D 默认是 3对应 70x70 感受野如果图片复杂度低可以改成 2 让判别器更弱一点生成器更容易骗过它。2.3 论文里的三组损失对应训练代码里的哪几行读论文时建议盯着损失函数部分看。Cycle GAN 的训练对象是四个网络G_A2B、G_B2A、D_A、D_B。生成器的总损失由三块拼起来在官方 PyTorch 实现的 _train 函数里大致长这样# 生成器一次迭代的损失计算cycle_gan 模型的核心 # identity_lossB 域图经过 G_A2B 应该尽量不变A 域图经过 G_B2A 也尽量不变 identity_loss L1(G_A2B(b), b) * lambda_identity \ L1(G_B2A(a), a) * lambda_identity # adversarial_loss生成结果要骗过判别器这里用的 LSGAN 的 MSE 形式 adversarial_loss_A MSE(D_A(G_B2A(b)), real_label) # 让 B-A 像真 A adversarial_loss_B MSE(D_B(G_A2B(a)), real_label) # 让 A-B 像真 B # cycle_loss绕一圈回来重建图和原图做 L1 距离 cycle_loss L1(G_B2A(G_A2B(a)), a) * lambda_A \ L1(G_A2B(G_B2A(b)), b) * lambda_B G_loss identity_loss adversarial_loss_A adversarial_loss_B cycle_loss三个权重的默认值很关键lambda_A 和 lambda_B 都是 10lambda_identity 在多数实现里默认 0.5。lambda_A 控制“A 生成 B 再回到 A”的重建强度lambda_B 控制反向。你如果只关心 A 到 B 的方向可以把 lambda_B 调小这样正方向的生成自由度更大风格更强代价是反向重建会变差。读论文和代码对照的正确顺序是先看生成器和判别器的 forward确认输入输出形状再在循环里找到 G_loss 的拼接位置最后只改 lambda 和数据集路径。不要一开始就去纠结网络内部结构Cycle GAN 能跑通的关键是损失权重和数据不是网络微调。2.4 训练前先读懂数据集目录最常用的 PyTorch 实现要求什么结构大多数开源 Cycle GAN 项目都沿用同一个目录约定dataroot/name/trainA/和dataroot/name/trainB/test 的时候再加testA/和testB/。train.py 的--dataroot指向上层目录--name是项目子目录。以最常用的 PyTorch 版本为例完整结构是这样datasets/ └── myproj/ ├── trainA/ # A 域训练图例如真实照片 │ ├── 0001.jpg │ ├── 0002.jpg └── trainB/ # B 域训练图例如油画 ├── 0001.jpg ├── 0002.jpg ├── testA/ # 最后验证效果的 A 域图不进训练 └── testB/ # 最后验证效果的 B 域图不进训练文件名建议统一成纯数字加 jpg 或 png防止中文路径在某些预处理脚本下乱码。A 域和 B 域图片数量可以不一样Cycle GAN 不要求配对也不要求数量均衡但如果一个域只有 20 张另一个域有 3000 张训练会更偏向“把少数域学成记忆”而不是翻译。内容要求原因图片格式jpg / png 均可不要带中文文件名部分图像库和缓存机制会踩编码坑图片尺寸训练时会缩放到 286 再裁剪到 256无需提前统一提前统一反而丢失原始分布信息配对关系不要求一一配对这是 Cycle GAN 与 pix2pix 的本质区别风格纯度trainA 里不要混入明显 B 风格图混入会让判别器无所适从收敛变慢如果你手上的数据本来就是一一配对的比如同一个场景的白天和夜晚照片那优先用 pix2pix不要为了用 Cycle GAN 而用。Cycle GAN 在配对数据上学出来的效果通常不如 pix2pix因为它把一半的建模能力浪费在了不存在的对应关系上。3. 训练自己的数据集目录、依赖、参数四步出第一张结果3.1 环境准备一个 Python 环境装完所有依赖很多人熟悉的是“用 YOLOv5 训练自己的数据集”那个流程下代码、装依赖、改 yaml、开训。Cycle GAN 是同一个路子只是它不需要标注文件需要的是两个图像文件夹。环境要求很轻PyTorch、visdom、dominate、Pillow 就够。conda create -n cyclegan python3.8 -y conda activate cyclegan pip install torch torchvision pip install dominate visdom pillow # 以社区最常用的 PyTorch 实现为例 git clone https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix cd pytorch-CycleGAN-and-pix2pixvisdom 是用来画 loss 曲线的可视化服务一定要提前启动。训练时不开 visdom 也能跑只要加--display_id 0但新手强烈建议开着因为判别器和生成器的对抗震荡很难只凭终端数字判断。python -m visdom.server启动后浏览器打开本地 8097 端口能看到空的 dashboard。训练命令跑起来后loss 曲线会自动往这里推。Windows 下 visdom 偶尔会因为系统代理环境变量报错如果页面一直连不上优先检查 8097 端口是否被占用不要急着怪模型。CPU 也能训练--gpu_ids -1指定但 256 分辨率下速度会慢到让人怀疑人生最好还是搞张 6G 显存以上的卡。3.2 图片整理脚本把 A/B 散图自动变成 train/test 目录假设你从某处下载或者收集了两堆图分别放在raw_A/和raw_B/里里面可能还有子目录、gif、透明通道图片。直接拖进 train 文件夹会让训练意外中断。我习惯先跑一遍整理脚本把扩展名过滤、统一改名、按 9:1 拆出测试集import os import random import shutil from pathlib import Path root Path(./datasets/myproj) trainA, trainB root / trainA, root / trainB testA, testB root / testA, root / testB for d in [trainA, trainB, testA, testB]: d.mkdir(parentsTrue, exist_okTrue) ext {.jpg, .jpeg, .png, .bmp} def organize(src_folder, train_dir, test_dir, prefix, test_ratio0.1): files [] for p in Path(src_folder).rglob(*): if p.suffix.lower() in ext: files.append(p) random.seed(42) random.shuffle(files) n_test max(1, int(len(files) * test_ratio)) for i, p in enumerate(files): if i n_test: dst test_dir / f{prefix}_{i:05d}.jpg else: dst train_dir / f{prefix}_{i-n_test:05d}.jpg shutil.copy2(p, dst) print(f{src_folder}: {len(files)} files, test{n_test}) organize(./raw_A, trainA, testA, A) organize(./raw_B, trainB, testB, B)这段脚本会遍历子目录把 jpg、png、bmp 全部复制出来按序号重命名同时从每域抽 10% 作为 test。注意是copy2不是move保留原始文件防止后面想重新清洗。脚本里的prefix加在文件名前面避免两个域重名。整理完之后最好是肉眼把 testA/testB 各自翻一遍确认没有半张损坏图片。3.3 训练命令与关键参数哪些能调、哪些建议别动数据准备好之后训练命令非常短python train.py \ --dataroot ./datasets/myproj \ --name myproj \ --model cycle_gan \ --load_size 286 \ --crop_size 256 \ --batch_size 1 \ --lr 0.0002 \ --n_epochs 100 \ --n_epochs_decay 100 \ --display_id 1 \ --print_freq 100 \ --save_epoch_freq 10这里--n_epochs 100表示前 100 个 epoch 用固定学习率 0.0002--n_epochs_decay 100表示后 100 个 epoch 线性衰减到 0总共训练 200 个 epoch。--save_epoch_freq 10每 10 轮存一个 checkpoint默认情况会同时保存 G_A2B、G_B2A、D_A、D_B 四个网络。训练完在checkpoints/myproj/下能找到latest_net_G_A.pth。参数作用建议值--load_size/--crop_size先缩放再随机裁剪做空间增强286 / 256显存大可以 512 / 480--batch_size一次迭代样本数固定 1改大了会破坏 InstanceNorm 语义--lr初始学习率0.0002爆 NaN 时降到 0.0001--lambda_A/--lambda_B循环一致性权重默认 10只关心单方向可调小另一个--lambda_identity颜色保持权重0.5照片转油画可开到 1.0--n_layers_D判别器卷积层数3效果差可以降到 2--gan_mode对抗损失形式lsgan不要改成 wgan 除非你真的会调--pool_size判别器历史缓冲池50默认值不用动方向参数--direction AtoB在 train 阶段没有实际影响因为损失是对称的两个生成器同时训练。它真正起作用的是后面 test.py 推理阶段决定输出 A 风格还是 B 风格。所以训练时不用管 direction。3.4 冒烟测试一小时看出你的数据行不行不要一上来就训 200 个 epoch。我一般先用每域 20 到 30 张图做冒烟测试把 epoch 压到 20确认数据集路径、dataloader、loss 计算全都没有问题python train.py \ --dataroot ./datasets/myproj \ --name smoke_test \ --model cycle_gan \ --load_size 286 --crop_size 256 \ --batch_size 1 --lr 0.0002 \ --n_epochs 20 --n_epochs_decay 0 \ --display_id 0 --save_epoch_freq 520 个 epoch 在一张普通显卡上大约半小时到一小时。用--display_id 0关掉 visdom直接看终端输出。判断是否正常的经验是total_loss 里的 cycle_loss 部分应该稳步下降D_A、D_B 在 0.5 附近震荡而不是一路冲到 0 或者 1。如果 cycle_loss 纹丝不动说明生成器从一开始就没学到任何重建能力问题多半出在数据而不是网络回去检查 trainA/trainB 是不是放了同一个域的图片。冒烟测试通过后把smoke_test的 latest checkpoint 直接拿来跑一遍 test.py虽然风格大概率很粗糙但至少能确认推理路径是通的。这一步排掉的问题远比省下的一个小时更值钱。4. 数据选型才是效果天花板域怎么选、怎么洗、怎么拆4.1 选域的核心标准内容重合、风格一致Cycle GAN 的极限通常由数据决定而不是网络。第一批跑出来的效果差绝大多数是因为两个域的“内容分布”完全没有交叉。比如你想把真实照片变成梵高风格A 域全是人物全身照B 域全是风景油画生成器想要成功欺骗判别器最省力的办法是把照片里的所有东西都涂成风景人物直接被抹掉。因为 GAN 只要求结果像 B 域不要求结果里还有人物。所以选域的第一标准是两个域里出现的物体类别要尽可能重合。照片里有天空、房子、树、人油画里也应该有这些。第二标准是风格差异要一致。如果你想做“照片变梵高”B 域就只放梵高风格的画不要为了凑数量把莫奈和毕加索也放进去。那样判别器学到的 B 域不是一个风格而是“任何非照片的绘画”生成结果会变成一个风格大杂烩。最稳妥的做法是先做一个小型验证集A 域 100 张照片B 域 100 张同题材油画。如果这个验证集上能看到明显风格迁移再把规模扩大到几千张。反过来如果小验证集怎么调都不出效果加数据也是白搭。4.2 清洗三步过滤坏图、去重、按域复查从公开数据集、Hugging Face 这类平台下载下来的组合集来源通常很杂直接丢进 train 会让训练在不知不觉中崩掉。我清理数据一般走三步自动过滤、自动去重、最后人工抽查。先跑一遍过滤脚本from PIL import Image import numpy as np import os, shutil def clean_folder(src, dst, min_side200, max_ratio2.5, min_std8.0): os.makedirs(dst, exist_okTrue) for name in os.listdir(src): path os.path.join(src, name) try: im Image.open(path).convert(RGB) w, h im.size if min(w, h) min_side: # 太小的图直接不要 continue if max(w / h, h / w) max_ratio: # 超长全景图会裁掉大量信息 continue gray np.asarray(im.convert(L)).astype(np.float32) if gray.std() min_std: # 纯色图、几乎全白的图没意义 continue shutil.copy2(path, os.path.join(dst, name)) except Exception: continue clean_folder(./raw_A, ./clean_A) clean_folder(./raw_B, ./clean_B)min_std过滤低对比度图值设 8 左右比较宽松只剔除纯色块和严重过曝。不要设太大否则暗光风格的图片会被全部误杀。之后用文件哈希去重。网上数据集里大量重复图是常态特别是爬下来的图片同一张图可能被压缩成多种尺寸。去重脚本可以用 md5 对二进制文件算一遍删除重复项。去重后再按域做人工抽查重点看 A 域里有没有明显是 B 风格的图。比如做白天到夜晚任务时A 域混入大批夜景训练时生成器会困惑“该学亮度变化还是该学风格差异”。清洗宁缺毋滥100 张干净图的效果通常好过 1000 张脏数据。4.3 尺寸、增强与分辨率让 crop 别做太多“内耗”默认的数据增强是图片先缩放到load_size286再随机裁剪到crop_size256同时随机水平翻转。这套组合对大多数任务够用。别开垂直翻转天空和地面的语义关系会被颠倒模型会学到“上下颠倒也没关系”的坏习惯。对于白天到夜晚这类光照任务也不要额外做颜色抖动和亮度扰动那等于人为抹掉两个域最核心的差异。当图片长宽比很极端时比如 16:9 的横构图训练时随机裁剪 256x256 只裁到画面中心一小块大量边缘内容永远进不了训练。我一般会先统一裁剪成 4:3 或 1:1再放进 train。但这会让某些任务丢失关键内容所以更稳妥的做法是尽可能收集本来就接近方形构图的素材让训练和推理的分辨率分布保持一致。如果目标风格的细节很重要比如线稿上色需要看清笔触边界可以把--crop_size从 256 提到 384。显存不够时的调整顺序是先降 batch_size再降 crop_size不要用 CPU offload。生成器是 ResNet 9 个 block感受野相对固定盲目上 512 分辨率不一定更好常常只是让伪影更精细。4.4 划分 train/test如何避免“用训练图当测试图”的低级翻车很多开源数据集直接把所有图片放在一个文件夹里只告诉你“一共有多少张”没有拆分。如果自己随机抽 10% 做测试却又没从训练集中剔除测试效果会虚高。Cycle GAN 虽然没有标签但生成器见过测试图之后判别器也会影响生成器对这张图的拟合。正确做法是先把文件列表随机打乱再切分让 train 和 test 完全没有交集。import random from pathlib import Path srcA Path(./clean_A) files [p.name for p in srcA.iterdir() if p.suffix.lower() in {.jpg, .png}] random.seed(42) random.shuffle(files) n_test int(len(files) * 0.1) test_names files[:n_test] train_names files[n_test:] with open(./split_A.txt, w) as f: for name in train_names: f.write(f{name}\n) with open(./split_A_test.txt, w) as f: for name in test_names: f.write(f{name}\n)把切分名单保存成 txt后续每次重新训练都用同一个名单保证实验可复现。Cycle GAN 的测试集还有一个作用用来观察“风格迁移强度”是否失控。生成器在训练后期可能开始添加奇怪笔触如果 test 集里出现明显超出训练分布的内容比如整张图变成抽象色块说明训练时间过长需要回滚到上一个 checkpoint。5. 避坑清单Cycle GAN 自己数据集训练最常见的五个翻车现场5.1 loss 直接变 NaN生成图全黑或全白现象训练迭代几十步后终端 loss 变成 nanvisdom 曲线突然断掉后续保存的生成图要么全黑要么全白。原因最常见的是学习率太大导致生成器或判别器梯度爆炸其次是数据集里混入了损坏图片比如 0 字节的 jpg、损坏的 pngImageLoader 读到异常像素后把 NaN 传给网络还有一个隐蔽原因是图片带 alpha 通道PIL 读取后如果没转 RGB某些实现会在归一化时算出 NaN。解决先把--lr从 0.0002 降到 0.0001很多不稳定训练在 1e-4 下立刻变正常。然后写一个脚本遍历所有训练图片打开后用im.convert(RGB)再核对尺寸和通道数。更简单的方式是回到清洗脚本把所有图片统一转成 RGB 三通道再保存。最后如果前两步都没解决把--gan_mode从 lsgan 改成 vanillaMSE 损失对判别器饱和更敏感改成交叉熵能缓解部分梯度爆炸。5.2 训练一百轮后输出还是输入G 变成了恒等映射现象测试时 A 图经过生成器输出的图片和输入几乎一模一样风格完全没有迁移但 cycle loss 已经收敛得很低。原因生成器发现“把图片原样输出”就能满足内容重建同时如果判别器不够强风格方向的对抗又造不成压力它就会偷懒走恒等捷径。另一个常见原因是lambda_identity开得太大这个损失本来就是约束“输入经过反向生成器不要变”如果权重压过了对抗损失整个网络会退化成两个恒等函数。解决先把--lambda_identity设为 0确认风格迁移能力恢复再加回 0.5 做颜色保持。如果设 0 后仍然恒等说明判别器太弱把--n_layers_D从 3 改回 4或者把生成器的--netG从 resnet_9blocks 换成 resnet_6blocks降低生成器容量。最后不要忽略数据问题如果 trainA 和 trainB 本身视觉差异极小比如都是同一批照片的不同裁剪Cycle GAN 学习到的自然就是恒等映射。5.3 画面出现水渍状伪影或高频噪点现象生成的图片整体风格到位但天空、墙面这类平坦区域出现一块块水渍样纹理或者整张图蒙上一层细密噪点。原因判别器 PatchGAN 只关注局部 patch生成器为了骗过它会在平坦区域添加高频虚假纹理。这些纹理在判别器看来像目标域的特征但人眼非常敏感。另一个原因是 LSGAN 的 MSE 损失对离群点惩罚重生成器宁可输出平均灰也不愿冒险最后产生带噪点的折中结果。解决先把--lambda_identity开到 1.0让生成器保留更多原始颜色和低频信息伪影通常立刻变淡。再把--n_layers_D降到 2削弱判别器对局部纹理的敏感度。如果任务里文字边缘和细小结构总是崩可以增大--crop_size让生成器看到更大的上下文减少为局部 patch 单独编造纹理的动机。最后训练到后期如果伪影重新出现多半是过拟合直接加载更早的 checkpoint 测试。5.4 换了数据集效果远不如论文示例甚至学不出任何风格现象按教程跑通了代码也建好了 trainA/trainB但训练完风格迁移非常弱测试图只是色调微变完全没有论文里的冲击力。原因多数人忽略了一个前提论文示例里的两个域内容高度重合而且风格差异非常鲜明。夏天到冬天、照片到梵高这类任务本身就有强烈的特征可供学习。而自制数据如果只是“室内照片”和“室外照片”两域在颜色和纹理上的差异没有一致模式生成器找不到可学的风格规则。解决先跑通论文自带的 apple2orange 或 photo2ukiyoe 示例确认代码环境没问题再换成自己的数据。自己的数据要达到类似效果每个域至少要有 100 到 200 张内容类目一致的图片。如果数量不够先用数据增强把量提上去但注意增强只能增加视角变化不能增加内容多样性。最后检查--direction是否设反了训练时虽然两个方向都学但测试时的输出方向要和你认为的“源域到目标域”一致。5.5 测试图颜色错乱、红蓝通道颠倒现象训练过程中看生成的图片很正常但 test.py 保存的结果里绿色植物变成紫红色蓝天变成橙色。原因这是最容易被误判为模型问题的低级坑。某些实现用 OpenCV 读取和保存图像而 OpenCV 的默认通道顺序是 BGR训练时如果用的是 PIL 的 RGB推理时又混用了 cv2.imwrite就会把 R 和 B 通道交换。另一个可能是在自定义 Dataset 里对图片做了通道翻转但测试脚本没做同样的处理。解决查看 test.py 里图像保存的部分。常见做法是用Image.open读成 RGB用imageio.imwrite或 PIL 保存这样就全程走 RGB。如果你用了 OpenCV统一在读取后加cv2.cvtColor(img, cv2.COLOR_BGR2RGB)保存前再转回 BGR。不要迷信某个教程里的图像预览代码自己用 matplotlib 单独读测试图确认一遍最稳妥。通道问题不是玄学是管线里最常见的“黑白匣子”。6. 验证与进阶用 A 到 B 再到 A 的重建检查你的网络是否真的学会了训练完成后第一步不是急着夸效果而是跑一遍批量推理看生成结果和重建结果python test.py \ --dataroot ./datasets/myproj \ --name myproj \ --model cycle_gan \ --direction AtoB \ --epoch latest \ --num_test 50 \ --preprocess resize \ --no_flip--preprocess resize是我强烈建议加上的参数它让测试时不进行随机裁剪保留完整构图。结果会输出到results/myproj/latest_test/里面每张测试图都会被保存。之后把 A 域原图、A 到 B 的生成图、以及用生成图再经过 G_B2A 得到的重建图三张拼在一起看。如果重建图和原图轮廓基本一致说明生成器学的是“换风格保内容”如果风格很明显但重建完全认不出原图说明循环一致性权重不够需要加大lambda_A反过来风格没迁移但重建很好则说明对抗强度不足检查判别器是否过强。进阶玩法是调整不对称权重。比如你只想做“现实场景转二次元”并不关心二次元转回现实可以把lambda_B从 10 降到 2让反向生成器更自由这样正方向的风格会更强。对称性不是金科玉律Cycle GAN 的损失结构允许你按使用场景偏置。量化评估可以补一个 FID社区常用 pytorch-fid 工具对真实 B 域和生成 B 域各算一次特征分布距离数值越小越好。但要注意小数据集下 FID 方差很大少于 200 张图时参考意义不大主要还得靠肉眼判断重建质量和风格一致性。我自己的习惯是每次训练前固定选 10 张测试图训练过程中每 50 个 epochs 跑一次推理只看图不看 loss 曲线。真正确认收敛的是那些固定测试图的稳定性不是 visdom 上的曲线形状。图像结果永远是 Cycle GAN 的唯一可信指标。希望帮到你。本文还有配套的精品资源点击获取
