CycleGAN模型解读（附源码+论文）

CycleGAN

论文链接：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

官方链接：pytorch-CycleGAN-and-pix2pix

老规矩，先看看效果

总体流程

先简单过一遍流程，细节在代码里说。CycleGAN有两个生成器和两个判别器。下图可以看到GeneratorA2B和GeneratorB2A，假设A数据集里全是马，B数据集里全是斑马，那这两个分别就是将马生成斑马和斑马生成马的生成器。DiscriminatorA和DiscriminatorB就是用来判别马和斑马的判别器。

上面的流程图很清晰的表示了模型的整体过程。一般生成器将马生成斑马就结束了，但是CycleGAN表示nonono，它还将生成的斑马再还原回马。因为 CycleGAN 强调循环一致性（Cycle Consistency），它通过让生成的斑马再还原回马，确保生成的斑马仍然保留了输入马的基本特征和结构。也就是说，CycleGAN 不仅要生成目标域的图像，还要通过反向转换验证生成图像的合理性。

同样的流程还会再经历一次，只不过这里的马和斑马的位置对调了一下（输入斑马，生成马）。

生成模型的损失函数有三种，拆分为六部分，分别对应对抗损失、循环一致性损失和身份损失。容易想到的，对抗损失用于训练生成器 A2B 和B2A 生成能够欺骗判别器的图像，可以理解为将真马生成为假斑马能不能让判别器判断为真的。上面流程不是有一步生成了假图还要还原回去，没错，还原回去的图与真实的图的差异，即循环一致性损失。身份损失是为了让生成器保留图像的风格或颜色特征，可以理解成除了马变成了斑马，其余背景部分不做变化。

将一匹马变成一匹斑马，我在没看这篇论文之前想的流程是，有一张马的图片，然后再做一张将马变为斑马的标签图，这样可以将生成的图片与这张标签图做损失计算进行训练。但CycleGAN根本不需要标签图，它只需要马的图片与斑马的图片就行，不需要什么人工处理的标签图，简直是福音，人工标注鬼知道有多麻烦。就像下图一样，素描鞋子作为输入，皮鞋作为标签图，需要一一对应。而现在，照片作为输入，标签图是毫不相干的油画图。

数据准备

这里说的详细一点，怎么准备数据。

公开数据集地址：Index of /cyclegan/datasets

下载自己想玩的数据集，比如horse2zebra就是马转斑马的。下载好的数据集放在datasets目录下。

预训练模型地址：Index of /cyclegan/pretrained_models

下载对应的预训练模型哦，比如horse2zebra.pth就是马转斑马的。下载好的模型放在checkpoints目录下。

别的配置看github上有详细说明。

预警：模型训练需要显卡显存至少8G及以上。

代码

数据处理

运行train.py。先进入unaligned_dataset.py看看数据集怎么处理的。

def __init__(self, opt):BaseDataset.__init__(self, opt)self.dir_A = os.path.join(opt.dataroot, opt.phase + 'A')  # create a path '/path/to/data/trainA'self.dir_B = os.path.join(opt.dataroot, opt.phase + 'B')  # create a path '/path/to/data/trainB'self.A_paths = sorted(make_dataset(self.dir_A, opt.max_dataset_size))  # load images from '/path/to/data/trainA'self.B_paths = sorted(make_dataset(self.dir_B, opt.max_dataset_size))  # load images from '/path/to/data/trainB'self.A_size = len(self.A_paths)  # get the size of dataset Aself.B_size = len(self.B_paths)  # get the size of dataset BbtoA = self.opt.direction == 'BtoA'input_nc = self.opt.output_nc if btoA else self.opt.input_nc  # get the number of channels of input imageoutput_nc = self.opt.input_nc if btoA else self.opt.output_nc  # get the number of channels of output imageself.transform_A = get_transform(self.opt, grayscale=(input_nc == 1))self.transform_B = get_transform(self.opt, grayscale=(output_nc == 1))

先获得训练数据集A和B的路径，然后看看路径下有多少图片，数据集A和B的图片数量可以不一样哦。因为就像我上面说的，不需要一一对应的标签图，所以取出一张A可以从数据集B中随机抽一张作为标签图。然后会通过transform做一些图片处理，比如resize、裁剪、翻转、标准化之类的。

model

进入cycle_gan_model.py看看模型怎么初始化和训练的。

self.netG_A = networks.define_G(opt.input_nc, opt.output_nc, opt.ngf, opt.netG, opt.norm,not opt.no_dropout, opt.init_type, opt.init_gain, self.gpu_ids)
self.netG_B = networks.define_G(opt.output_nc, opt.input_nc, opt.ngf, opt.netG, opt.norm,not opt.no_dropout, opt.init_type, opt.init_gain, self.gpu_ids)if self.isTrain:  # define discriminatorsself.netD_A = networks.define_D(opt.output_nc, opt.ndf, opt.netD,opt.n_layers_D, opt.norm, opt.init_type, opt.init_gain, self.gpu_ids)self.netD_B = networks.define_D(opt.input_nc, opt.ndf, opt.netD,opt.n_layers_D, opt.norm, opt.init_type, opt.init_gain, self.gpu_ids)

在初始化时，最重要的是生成器和判别器的定义，我们去networks.py里看看define_G和define_D的定义。

define_G

def define_G(input_nc, output_nc, ngf, netG, norm='batch', use_dropout=False, init_type='normal', init_gain=0.02, gpu_ids=[]):net = Nonenorm_layer = get_norm_layer(norm_type=norm)if netG == 'resnet_9blocks':net = ResnetGenerator(input_nc, output_nc, ngf, norm_layer=norm_layer, use_dropout=use_dropout, n_blocks=9)elif netG == 'resnet_6blocks':net = ResnetGenerator(input_nc, output_nc, ngf, norm_layer=norm_layer, use_dropout=use_dropout, n_blocks=6)elif netG == 'unet_128':net = UnetGenerator(input_nc, output_nc, 7, ngf, norm_layer=norm_layer, use_dropout=use_dropout)elif netG == 'unet_256':net = UnetGenerator(input_nc, output_nc, 8, ngf, norm_layer=norm_layer, use_dropout=use_dropout)else:raise NotImplementedError('Generator model name [%s] is not recognized' % netG)return init_net(net, init_type, init_gain, gpu_ids)

图片卷积三件套Conv->BN->relu。不过这里的BN换了一下，上面代码用了norm_layer代替，即nn.BatchNorm2d转为nn.InstanceNorm2d，不同点在于InstanceNorm2d对每个样本的特征通道分别进行归一化。构建网络时用的是resnet_9blocks，我们进ResnetGenerator看一看。

ResnetGenerator

def __init__(self, input_nc, output_nc, ngf=64, norm_layer=nn.BatchNorm2d, use_dropout=False, n_blocks=6,padding_type='reflect'):assert (n_blocks >= 0)super(ResnetGenerator, self).__init__()if type(norm_layer) == functools.partial:use_bias = norm_layer.func == nn.InstanceNorm2delse:use_bias = norm_layer == nn.InstanceNorm2dmodel = [nn.ReflectionPad2d(3),nn.Conv2d(input_nc, ngf, kernel_size=7, padding=0, bias=use_bias),norm_layer(ngf),nn.ReLU(True)]n_downsampling = 2for i in range(n_downsampling):  # add downsampling layersmult = 2 ** imodel += [nn.Conv2d(ngf * mult, ngf * mult * 2, kernel_size=3, stride=2, padding=1, bias=use_bias),norm_layer(ngf * mult * 2),nn.ReLU(True)]mult = 2 ** n_downsamplingfor i in range(n_blocks):  # add ResNet blocksmodel += [ResnetBlock(ngf * mult, padding_type=padding_type, norm_layer=norm_layer, use_dropout=use_dropout,use_bias=use_bias)]for i in range(n_downsampling):  # add upsampling layersmult = 2 ** (n_downsampling - i)model += [nn.ConvTranspose2d(ngf * mult, int(ngf * mult / 2),kernel_size=3, stride=2,padding=1, output_padding=1,bias=use_bias),norm_layer(int(ngf * mult / 2)),nn.ReLU(True)]model += [nn.ReflectionPad2d(3)]model += [nn.Conv2d(ngf, output_nc, kernel_size=7, padding=0)]model += [nn.Tanh()]self.model = nn.Sequential(*model)

在model初始构建时，我们发现卷积三件套上多了一件nn.ReflectionPad2d(3)，这是padding的一种方式，不过不同于简单的填充，周围都填充为0，而是通过在输入特征图边界处 镜像反射 填充，如下图所示。

模型构建下面就比较简单，就是先通过卷积给图像size越卷越小，不过特征图越卷越多（3->64->128->256）。然后来点残差块ResnetBlock。生成器最后生成的图得跟原图一样大小，所以通过反卷积nn.ConvTranspose2d，给图卷回原来大小，就类似上采样。同理特征图数量也得越卷越少，卷回原来的3通道（256->128->64->3）。

define_D

我们再看看判别器怎么定义的。

def define_D(input_nc, ndf, netD, n_layers_D=3, norm='batch', init_type='normal', init_gain=0.02, gpu_ids=[]):net = Nonenorm_layer = get_norm_layer(norm_type=norm)if netD == 'basic':  # default PatchGAN classifiernet = NLayerDiscriminator(input_nc, ndf, n_layers=3, norm_layer=norm_layer)elif netD == 'n_layers':  # more optionsnet = NLayerDiscriminator(input_nc, ndf, n_layers_D, norm_layer=norm_layer)elif netD == 'pixel':     # classify if each pixel is real or fakenet = PixelDiscriminator(input_nc, ndf, norm_layer=norm_layer)else:raise NotImplementedError('Discriminator model name [%s] is not recognized' % netD)return init_net(net, init_type, init_gain, gpu_ids)

跟生成器一样吼，先定义一个norm_layer，然后进入NLayerDiscriminator看看。

NLayerDiscriminator

def __init__(self, input_nc, ndf=64, n_layers=3, norm_layer=nn.BatchNorm2d):super(NLayerDiscriminator, self).__init__()if type(norm_layer) == functools.partial:  # no need to use bias as BatchNorm2d has affine parametersuse_bias = norm_layer.func == nn.InstanceNorm2delse:use_bias = norm_layer == nn.InstanceNorm2dkw = 4padw = 1sequence = [nn.Conv2d(input_nc, ndf, kernel_size=kw, stride=2, padding=padw), nn.LeakyReLU(0.2, True)]nf_mult = 1nf_mult_prev = 1for n in range(1, n_layers):  # gradually increase the number of filtersnf_mult_prev = nf_multnf_mult = min(2 ** n, 8)sequence += [nn.Conv2d(ndf * nf_mult_prev, ndf * nf_mult, kernel_size=kw, stride=2, padding=padw, bias=use_bias),norm_layer(ndf * nf_mult),nn.LeakyReLU(0.2, True)]nf_mult_prev = nf_multnf_mult = min(2 ** n_layers, 8)sequence += [nn.Conv2d(ndf * nf_mult_prev, ndf * nf_mult, kernel_size=kw, stride=1, padding=padw, bias=use_bias),norm_layer(ndf * nf_mult),nn.LeakyReLU(0.2, True)]sequence += [nn.Conv2d(ndf * nf_mult, 1, kernel_size=kw, stride=1, padding=padw)]  # output 1 channel prediction mapself.model = nn.Sequential(*sequence)

构建过程也没啥要说的，就是不停卷积给特征图越卷越多，最后输出一个值，判定是真是假（3->64->128->256->512->1）。

初始化好模型后进行训练，主要来看一下model.optimize_parameters()这里的内容。

optimize_parameters

到cycle_gan_model.py看一下optimize_parameters。

def optimize_parameters(self):# forwardself.forward()  # compute fake images and reconstruction images.# G_A and G_B  训练生成器 判别器不工作self.set_requires_grad([self.netD_A, self.netD_B], False)  # Ds require no gradients when optimizing Gsself.optimizer_G.zero_grad()  # set G_A and G_B's gradients to zeroself.backward_G()  # calculate gradients for G_A and G_Bself.optimizer_G.step()  # update G_A and G_B's weights# D_A and D_B  训练判别器 生成器不工作self.set_requires_grad([self.netD_A, self.netD_B], True)self.optimizer_D.zero_grad()  # set D_A and D_B's gradients to zeroself.backward_D_A()  # calculate gradients for D_Aself.backward_D_B()  # calculate graidents for D_Bself.optimizer_D.step()  # update D_A and D_B's weights

简简单单包含了前向传播和反向传播，先看看前向传播forward。

forward

def forward(self):self.fake_B = self.netG_A(self.real_A)  # G_A(A)self.rec_A = self.netG_B(self.fake_B)  # G_B(G_A(A))self.fake_A = self.netG_B(self.real_B)  # G_B(B)self.rec_B = self.netG_A(self.fake_A)  # G_A(G_B(B))

四行代码很好理解。将真实图A输入生成器A2B，输出假B；将假B输入生成器B2A，还原回A；同理，将真实图B输入生成器B2A，输出假A；将假A输入生成器A2B，还原回B。

backward_G

看看生成器的反向传播，怎么做损失计算的。

def backward_G(self):"""Calculate the loss for generators G_A and G_B"""lambda_idt = self.opt.lambda_identity  # 一些缩放因子lambda_A = self.opt.lambda_Alambda_B = self.opt.lambda_B# Identity lossif lambda_idt > 0:# G_A should be identity if real_B is fed: ||G_A(B) - B||self.idt_A = self.netG_A(self.real_B)  # 将真实B传入A->B网络 也能生成假Bself.loss_idt_A = self.criterionIdt(self.idt_A, self.real_B) * lambda_B * lambda_idt# G_B should be identity if real_A is fed: ||G_B(A) - A||self.idt_B = self.netG_B(self.real_A)  # 将真实A传入B->A网络 也能生成假Aself.loss_idt_B = self.criterionIdt(self.idt_B, self.real_A) * lambda_A * lambda_idtelse:self.loss_idt_A = 0self.loss_idt_B = 0# GAN loss D_A(G_A(A))self.loss_G_A = self.criterionGAN(self.netD_A(self.fake_B), True)  # 希望判别器将假B判为真# GAN loss D_B(G_B(B))self.loss_G_B = self.criterionGAN(self.netD_B(self.fake_A), True)# Forward cycle loss || G_B(G_A(A)) - A||self.loss_cycle_A = self.criterionCycle(self.rec_A, self.real_A) * lambda_A  # 还原A与真实A的差异损失# Backward cycle loss || G_A(G_B(B)) - B||self.loss_cycle_B = self.criterionCycle(self.rec_B, self.real_B) * lambda_B# combined loss and calculate gradientsself.loss_G = self.loss_G_A + self.loss_G_B + self.loss_cycle_A + self.loss_cycle_B + self.loss_idt_A + self.loss_idt_Bself.loss_G.backward()

这里的self.idt_A和self.idt_B就是我上面说的身份损失，公式如下。

式中，G和F是生成器A2B和B2A。

lambda_idt就是个加权参数​，缩放损失用的。生成器A2B的作用不是输入A生成B嘛，不过这里做损失是通过输入B，输出B，这两B之间的差异做损失。论文中说引入这个损失有助于促进映射以保持输入和输出之间的颜色组成。比如莫奈的画作与Flickr照片之间的映射时，生成器经常将 白天 的画作映射到 日落 时拍摄的照片，如下图所示。

self.loss_G_A和self.loss_G_B是我上面说的对抗损失，公式如下。

这个损失很好理解，就是我生成器生成的假图，我希望判别器判为真的。这里的判别是对每个像素点都判别是真是假，然后取平均。如果输入图片size是[256,256]，经过判别器输出图片size是[30,30]，对这[30,30]的每个点判断是真是假。具体代码可以自己去networks.py的GANLoss看一下。

self.criterionGAN = networks.GANLoss(opt.gan_mode).to(self.device)  # define GAN loss.

剩下最后的self.loss_cycle_A和self.loss_cycle_B就是循环一致性损失了，公式如下。

这个更好理解，就是看看还原回去的图与输入的图的差异损失。下图是论文中，输入->输出->还原（重建）的过程。

====================================================================================

train需要电脑配置还挺高的，大家可以试试test，配置一下参数就行，例如下面

python test.py --dataroot datasets/horse2zebra/testA --name horse2zebra_pretrained --model test --no_dropout

数据集放在datasets/horse2zebra/testA目录下，模型放在checkpoints/horse2zebra_pretrained目录下，最后的结果会生成一个result目录下。