cv实验2笔记

生成模型

可视化结果笔记

python test.py \
    --dataroot ./datasets/facades \
    --name test_env \
    --model pix2pix \
    --direction BtoA \
    --num_test 5

结果：运行 test，生成 html：

一共 5 份

注意：方向 BtoA

可视化

可视化指令

python scripts/visualize_training_log.py --name city_p2p_lsgan_change1 --smooth_window 20

不同参数实验

实验 1

vanilla，100epoch，8batch size

python train.py --dataroot ./datasets/cityscapes/ --name city_p2p_test --model pix2pix --direction BtoA --n_epochs 50 --n_epochs_decay 50 --batch_size 8 --gan_mode vanilla

实验 2

lsgan，100epoch，16batch size

python train.py --dataroot ./datasets/cityscapes/ --name city_p2p_lsgan --model pix2pix --direction BtoA --n_epochs 50 --n_epochs_decay 50 --batch_size 16 --gan_mode lsgan --fid_eval_freq 10

轮廓清晰，没有细节

观察 0 到 100epoch 图像，发现轮廓优化上花了过多无用功，而细节一直没有提升

实验 3

lsgan，100epoch，16batch size

修改 loss 参数，L1 为 50. 尝试解决无细节问题

python train.py --dataroot ./datasets/cityscapes/ --name city_p2p_lsgan_L150 --model pix2pix --direction BtoA --n_epochs 50 --n_epochs_decay 50 --batch_size 16 --gan_mode lsgan --fid_eval_freq 10 --lambda_L1 50

实验 4

python train.py --dataroot ./datasets/cityscapes/ --name city_p2p_wgangp --model pix2pix --direction BtoA --n_epochs 50 --n_epochs_decay 50 --batch_size 16 --gan_mode wgangp --fid_eval_freq 10

wgangp 太敏感了，这个参数对他很不合适，直接训练崩溃了。调整参数

实验 5 ❌

python train.py --dataroot ./datasets/cityscapes/ --name city_p2p_wgangp_changed --model pix2pix --direction BtoA --n_epochs 80 --n_epochs_decay 80 --batch_size 16 --gan_mode wgangp --fid_eval_freq 10 --lr 0.0001 --beta1 0.0 --lambda_L1 50 

没有什么改进，还是崩溃了，wgangp 怎么这么难用

实验 6

重新用回 lsgan，试试调参

python train.py --dataroot ./datasets/cityscapes/ --name city_p2p_lsgan_change1 --model pix2pix --direction BtoA --n_epochs 100 --n_epochs_decay 100 --batch_size 8 --gan_mode lsgan --fid_eval_freq 10 --lambda_L1 100 --pool_size 50 --lr 0.0002 --ndf 128 --n_layers_D 4

跑一下看看，主要看 ssim 能否回升