简介这份资源面向计算机视觉方向的学生与开发者尤其是需要完成毕业设计或开展域迁移实验的研究者提供CycleGAN的完整源码、原论文与配套训练教程帮助快速将风格变换模型跑通在自己的数据集上。压缩包共75个文件约41.87MB以36个Python脚本和14个Shell脚本为核心覆盖训练、测试、数据加载与模型定义等模块另含7个Markdown说明、5个LaTeX论文源文件、2个Jupyter Notebook及环境配置、Dockerfile等辅助文件目录结构清晰便于按模块查阅与二次开发。目前已有1258人学习下载。资源不仅包含可复现的CycleGAN与pix2pix实现还提供数据准备、训练与测试脚本读者可据此掌握图像到图像的风格迁移流程理解循环一致性损失的设计思路并迁移到医疗跨模态生成、游戏画面转真实场景等任务中上手门槛较低训练与测试效率较为理想。1. 风格变换用 CycleGAN 跑自己的数据集从「两张图」到「一个模型」到底要几步手里有一批自己拍的照片想让它们变成某种画风、某种色调、某种材质但成对的「原图—目标图」根本凑不齐这是绝大多数人卡住的地方。CycleGAN 解决的正是这个它不需要成对数据只要两个文件夹A 域一堆图、B 域一堆图就能学出 A→B 和 B→A 两个方向的映射。标题里说的「跑自己的数据集」核心工作其实只有三块把数据整理成它认的目录结构、把训练参数按自己的显存和图片尺寸调对、把训练中那些看起来像玄学的现象颜色漂移、模式崩溃、棋盘格逐个排查掉。这篇写给已经会装环境、能跑通官方 demo但一换自己的数据就翻车的人。下面按「数据怎么摆 → 代码怎么改 → 参数怎么设 → 坑在哪 → 怎么验证」的顺序讲透每一步都能直接抄。2. 数据准备CycleGAN 到底认什么样的目录结构2.1 两个域、四个文件夹一个都不能少CycleGAN 的官方实现无论 PyTorch 版还是 TensorFlow 版对数据目录有硬性约定。它不读单张图而是读「域」——训练时同时需要 A 域和 B 域验证时也需要各自的图。常见做法是建一个数据集根目录下面按 split 分 trainA、trainB、testA、testB 四个子目录# 数据集根目录结构名字必须和 --dataroot 指向的一致 dataset/ ├── trainA/ # A 域训练图比如你的真实照片 │ ├── 0001.jpg │ ├── 0002.jpg │ └── ... ├── trainB/ # B 域训练图比如目标画风图 │ ├── 0001.jpg │ └── ... ├── testA/ # A 域验证图训练中看效果用 │ └── ... └── testB/ # B 域验证图 └── ...逻辑说明trainA 和 trainB 是训练时两个生成器的输入来源testA/testB 只在每个 epoch 结束后跑一次推理用来肉眼判断有没有跑偏。参数说明目录名大小写敏感trainA写成train_a或TrainA都会导致 dataloader 找不到文件而报空列表错误。图片格式常见 jpg/png 都行但同一域内最好统一混用虽然能读但预处理时的通道处理容易出岔子。2.2 图片尺寸、数量与命名三个容易被忽略的硬约束第一尺寸。CycleGAN 默认在 256×256 上训练但你的原图可能是 4000×3000。不要指望它自动帮你裁好——官方代码里的transforms.Resize和RandomCrop需要你确认。常见做法是在 dataloader 里加 resize 到 286 再随机裁 256这是论文里的标准配置。第二数量。A 域和 B 域的数量不要求相等但差距别太离谱一边 5000 张一边 50 张少的那边会被过拟合。第三命名。文件名不要带中文、空格、特殊符号用纯数字或英文否则在某些系统的路径解析下会静默丢图。# 数据预处理关键片段resize crop flip from torchvision import transforms transform transforms.Compose([ transforms.Resize(286, Image.BICUBIC), # 先缩到 286留裁剪余量 transforms.RandomCrop(256), # 随机裁到 256增强多样性 transforms.RandomHorizontalFlip(), # 水平翻转低成本增广 transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), # 归一化到 [-1,1] (0.5, 0.5, 0.5)), ])逻辑说明Resize 到 286 而不是直接 256是为了 RandomCrop 有 30 像素的平移空间这是论文里的做法能显著减少过拟合。参数说明Normalize 的 0.5/0.5 是把 [0,1] 映射到 [-1,1]和生成器最后一层 tanh 的输出范围对齐如果你改成 0.5/0.2 之类的生成器输出会系统性偏色。RandomHorizontalFlip 对风景、人脸一般安全但对有文字或方向性强的图比如路牌要关掉。2.3 用脚本快速校验数据集是否被正确读取写完目录别急着开训先跑一段最小校验确认 dataloader 能吐出图、张量形状对、像素范围对from torch.utils.data import DataLoader from data import UnalignedDataset # 官方数据集类 dataset UnalignedDataset(dataroot./dataset, phasetrain) loader DataLoader(dataset, batch_size1, shuffleTrue) batch next(iter(loader)) print(batch[A].shape, batch[A].min(), batch[A].max()) # 期望输出类似 torch.Size([1,3,256,256]) tensor(-1.) tensor(1.)逻辑说明这一步能提前暴露 90% 的数据问题——路径错、图损坏、通道数不对灰度图会变 1 通道导致后面报错。参数说明batch_size 先设 1只为验证min/max 应该贴近 -1 和 1如果出现 0 到 255说明 Normalize 没生效。3. 训练配置把官方代码改成能跑自己数据的版本3.1 命令行参数里必须改的五个官方 train.py 的参数很多但换自己数据集时真正要动的就五个--dataroot指向你的数据集根目录--name给这次实验起个名checkpoint 和日志会存到checkpoints/name/--model cycle_gan确认用的是 CycleGAN 而不是 pix2pix--batch_size按显存调256 尺寸下 11G 显存大概能跑 batch 1 到 2--n_epochs和--n_epochs_decay控制学习率衰减节奏。常见做法是先跑 100 epoch 固定学习率、再 100 epoch 线性衰减到 0。python train.py \ --dataroot ./dataset \ --name my_style_run \ --model cycle_gan \ --batch_size 1 \ --load_size 286 \ --crop_size 256 \ --n_epochs 100 \ --n_epochs_decay 100 \ --lambda_A 10.0 \ --lambda_B 10.0 \ --save_epoch_freq 5逻辑说明--load_size和--crop_size对应前面说的 286/256如果你不改这两个默认值可能和你的预处理冲突。--lambda_A和--lambda_B是循环一致性损失的权重论文默认 10这是 CycleGAN 最关键的参数之一调小会让风格迁移更激进但内容保不住调大则风格变化很弱。--save_epoch_freq 5每 5 个 epoch 存一次方便回滚。3.2 显存不够时的三个降级方案显存爆了是新手最常见的翻车点。三个方案按优先级第一把--crop_size从 256 降到 128显存占用大约降到四分之一但细节会糊适合先验证流程第二把生成器从 9 个 ResNet block 降到 6 个改--netG resnet_6blocks参数量减少约三分之一第三开混合精度在 train.py 里加torch.cuda.amp的 autocast 和 GradScaler显存能再省 30% 左右。注意混合精度对 CycleGAN 这种多损失结构要小心GradScaler 要包住两个生成器和两个判别器的所有 backward。# 混合精度改造要点片段 scaler torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): fake_B netG_A(fake_A) # 生成器前向 loss_G_A criterionGAN(...) # 损失计算 scaler.scale(loss_G_A).backward() # 缩放后反向 scaler.step(optimizer_G) # 更新 scaler.update() # 调整缩放因子逻辑说明autocast 让前向用 fp16 加速省显存GradScaler 防止 fp16 梯度下溢。参数说明如果训练中出现 loss 变 nan先把混合精度关掉确认是精度问题还是数据问题别一上来就怀疑模型。3.3 训练日志里该盯哪几个数打开 visdom 或 tensorboard 后别只看生成的图好不好看要盯四个损失loss_G_A、loss_G_B两个生成器的对抗损失、loss_cycle_A、loss_cycle_B循环一致性。健康的状态是 cycle loss 稳步下降并趋于平稳对抗损失在 0.3 到 0.8 之间震荡——注意是震荡不是一路降到 0。如果对抗损失降到接近 0说明判别器被打爆了生成器在作弊这时候生成的图往往开始出现重复纹理或颜色块。4. 避坑指南CycleGAN 训练中最容易翻车的五件事4.1 生成图颜色整体漂移像蒙了一层滤镜现象A→B 的图内容对了但整体偏蓝或偏黄和 B 域的真实色调对不上。原因B 域的图片色调本身不统一或者 Normalize 的均值方差设错了。解决先统计 B 域所有图的 RGB 均值和方差把 Normalize 改成实际值如果 B 域本身风格就杂先做一轮人工筛选把色调差异过大的剔掉。血泪经验是数据清洗花的时间永远比调参值得。4.2 模式崩溃不管输入什么输出都长一样现象训练到几十个 epoch 后A 域任意一张图进去出来的 B 风格图几乎一模一样。原因判别器太强或学习率不平衡生成器找到了一个能骗过判别器的「万能输出」。解决把判别器的学习率调低到生成器的 0.5 倍或者在判别器损失里加标签平滑把真实标签从 1 改成 0.9。另一个办法是减小--lambda_A/B让循环一致性约束更强逼生成器保留输入内容。4.3 棋盘格伪影图上出现规则网格现象生成图放大后能看到规律的方格纹理。原因生成器里用了转置卷积ConvTranspose2d步长和核大小不匹配导致重叠。解决把上采样换成「最近邻插值 普通卷积」或者把转置卷积的 kernel_size 设为 stride 的整数倍。官方代码里如果用的是 resnet 生成器检查上采样部分是不是nn.ConvTranspose2d(..., kernel_size3, stride2)改成 kernel_size4 就能缓解。4.4 训练到一半 loss 突然变 nan现象前几十个 epoch 正常突然所有 loss 变成 nan图全黑。原因学习率过大导致梯度爆炸或者某张损坏的图产生了异常值。解决先把学习率从 0.0002 降到 0.0001 重跑如果还 nan写个脚本遍历数据集检查有没有全黑、全白或尺寸为 0 的图。后悔药是每 5 个 epoch 存一次 checkpointnan 之后能从最近的正常点恢复。4.5 验证图看起来不错但换新图推理就崩现象testA 里的图生成效果很好自己随手拍一张丢进去输出完全不能用。原因testA 的图和训练图分布太接近模型过拟合了训练集的特定内容。解决验证集要从和训练集不同的来源取比如训练用白天拍的验证就用傍晚拍的推理时确保输入图的预处理和训练完全一致尤其是 resize 和 normalize 两步少一步都会导致分布偏移。5. 效果验证与进阶怎么判断模型真的学到了风格而不是记住了图5.1 三个层次的验证方法第一层肉眼。每个 epoch 存一张固定输入的生成结果拼成时间轴看变化趋势比看单张图有用得多。第二层指标。FIDFréchet Inception Distance衡量生成分布和真实 B 域分布的距离值越低越好但 CycleGAN 这种无配对任务 FID 只能做参考不能当唯一标准。第三层内容保持度。把 A→B→A 的循环结果和原图做 SSIM 或 LPIPS循环一致性好的模型重建图应该和原图高度相似。# 计算循环重建的 LPIPS判断内容保持度 import lpips loss_fn lpips.LPIPS(netalex) recon_A netG_B(fake_B) # A→B→A d loss_fn(real_A, recon_A) # 越小说明内容保留越好 print(LPIPS:, d.mean().item())逻辑说明LPIPS 比 SSIM 更贴近人眼对内容差异的感知。参数说明net 可选 alex 或 vggalex 更快vgg 更稳按需选。这个值在 0.1 以下通常说明循环重建质量不错。5.2 一个提升风格强度的实用技巧如果训练完发现风格迁移太弱图看起来只是微微变了色调别急着加 epoch。先试一个技巧在推理时对生成器的输入做「风格插值」——把 A 域的图和 B 域的一张参考图在特征层做混合或者简单点把--lambda_A/B从 10 降到 5 重新微调 20 个 epoch。另一个技巧是测试时增强TTA对同一张输入做水平翻转各推理一次把两个结果平均能减少随机性带来的伪影。我一般会在正式出图前跑一遍 TTA代价是推理时间翻倍但稳定性提升明显。5.3 我踩过最深的坑别在训练中途频繁改参数早期我总忍不住每个 epoch 去看 loss一看不对就改学习率、改 lambda结果模型在几个配置之间反复横跳最后哪个都没收敛好。后来养成习惯开训前把参数定死至少跑完 50 个 epoch 再评估中途只监控不干预。CycleGAN 的收敛曲线本来就有周期性震荡短窗口内的波动说明不了任何问题。希望帮到你。本文还有配套的精品资源点击获取