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