简介面向毕业设计开发的CycleGAN与pix2pix算法PyTorch实现源码包适合深度学习方向高年级本科生、研究生以及图像转换领域入门研究者用于解决无配对图像转换和有监督图像翻译两类典型任务。资源共72个文件压缩包约7.38MB涵盖36个Python源码、14个Shell训练/测试脚本、7个Markdown教程文档、5个LaTeX文件及2个Jupyter Notebook示例并附带Dockerfile、环境配置与数据集下载脚本Python代码覆盖模型与训练逻辑Shell脚本便于自动化运行Notebook提供交互式学习路径。内容按code、docs、scripts等目录组织包含模型定义、数据加载器、训练选项、测试流程及CycleGAN与pix2pix的完整演示可结合README、数据集说明和条件依赖清单从环境搭建逐步走到模型训练与效果验证深入理解循环一致性损失、cGANs、优化器与数据预处理等关键环节。目前已有75人学习该资源适合作为毕业设计代码底座和算法入门范本。1. 为什么毕业设计里CycleGAN和pix2pix总是成对出现做图像到图像翻译image-to-image translation方向的毕业设计几乎绕不开这两个名字pix2pix 解决的是有配对数据的翻译任务CycleGAN 解决的是没有配对数据的风格迁移。两者共用生成器、判别器、对抗损失这套 GAN 骨架但 CycleGAN 在 pix2pix 的思路上加了一个“循环一致”约束才让无配对训练成为可能。标题把这两个算法打包在一起是因为它们的工程重叠度极高同一个 PyTorch 代码仓库里改数据加载和损失函数就能在两个模型之间切换。对于要凑工作量也想要可解释性的毕设来说这就是最划算的组合。这套东西适合三类人做风格迁移、图像增强、医学影像跨模态翻译的学生以及需要在真实业务数据上做无监督图像转换的工程师。下面我按自己实际跑通这两个模型的顺序从选型、数据、代码、训练到验证逐层拆开讲。2. 动手前先分清CycleGAN与pix2pix的模型边界和选型依据很多初学者拿到源码就从头往下跑跑通之后却说不清每个损失函数为什么存在。这里先立住理论后面调参才有坐标系。2.1 pix2pix的条件GAN结构与配对数据依赖pix2pix 的基本结构是条件生成对抗网络conditional GAN生成器输入的是源域图像 x输出目标域图像 G(x)判别器输入的是拼接后的图像对 [x, G(x)] 或者 [x, y]其中 y 是真实目标图像。生成器的目标不只是骗过判别器还要同时最小化一个 L1 损失让生成结果在像素级别靠近真实图像。L_pix2pix L_cGAN(G, D) λ * L1(G)这里 L1 损失的权重 λ 一般取 100这个值在所有公开实现里几乎一致是实验调出来的稳定区间。L1 比 L2 好在它不会过度惩罚大梯度差异生成结果边缘更清晰。pix2pix 的训练数据必须是严格配对的比如同一场景的语义分割图和真实照片或者白天和黑夜的同一机位照片。没有配对关系L1 损失就无法计算整个模型就失去了学习的锚点。2.2 CycleGAN的循环一致损失与无配对约束CycleGAN 去掉了配对要求但仍然要让生成结果在内容上和输入保持一致。它用了两个生成器和两个判别器G 负责 A 域到 B 域的转换F 负责 B 域到 A 域的转换。关键的一个约束是把 A 域的图像 x 用 G 转到 B 域再用 F 转回来结果要尽可能还原成 x。反过来也一样。这个约束被称为循环一致损失。2.2.1 双生成器架构与循环一致损失的来源循环一致损失的形式是 L1 距离L_cyc E_x[ || F(G(x)) - x ||_1 ] E_y[ || G(F(y)) - y ||_1 ]这个设计来自一个直觉如果 G 和 F 是一对互逆的映射那它们组成的复合函数应当逼近恒等变换。实际训练中约束作用非常强它直接阻止了生成器随意改变图像结构比如把整张图全都换成另一种风格的噪声。没有这个损失两个判别器会鼓励生成器产生任意能骗过判别器的输出训练极易崩溃。作者在论文里给循环一致损失权重 λ 取 10真实代码里通常这样配置lambda_A 10.0 # 正向循环一致权重 lambda_B 10.0 # 反向循环一致权重 lambda_identity 0.5 # 身份损失权重2.2.2 身份损失与风格保留的取舍CycleGAN 里还有一个可选的 identity loss做法是把 B 域的图像直接喂给 G要求 G(B) 尽量还等于 B。它的作用是防止生成器过度改变颜色和光照。以照片转油画为例没有身份损失时模型可能把本来偏暖的照片强行改冷色调因为这样更容易骗过判别器。加上身份损失后模型只改动“应该改”的那部分风格特征。实践中 lambda_identity 设得过高会抑制风格迁移强度图像看起来像没转一样设得太低又会出现色彩漂移。一般从 0.5 起步遇到偏色明显就降到 0.1 或直接关掉。2.3 选型表格什么时候切到CycleGAN什么时候留在pix2pix判断维度pix2pixCycleGAN数据要求严格的输入输出配对A/B 两个独立图片集无需配对训练数据量几千对以上效果较好每个域几百张即可起步损失构成对抗损失 L1 像素损失对抗损失 循环一致 身份损失生成器结构偏好U-Net 结构ResNet Block 结构更常用训练稳定性相对稳定双生成器交替训练波动更大典型场景分割图转照片、线稿着色风格迁移、跨模态医学影像、昼夜转换选型有一个简单判断方法先看手里数据能不能做像素级对齐。能对齐就上 pix2pix不用犹豫它对细节保留更好。如果不能对齐再检查两个域之间共享的结构特征是否明显比如风景照片和对应的油画风格图内容轮廓都还在那就适合 CycleGAN。如果两个域之间连基本语义结构都对不上CycleGAN 也救不了。3. PyTorch环境搭建与图像数据集的准备环境配置看似琐碎却是这个项目里最容易卡住初学者的第一步。GPU 版本选错、CUDA 不匹配都会在 import torch 之后报出一堆看不懂的错。我自己习惯用 Anaconda 隔离环境避免污染系统级 Python。3.1 用Anaconda配置PyTorch GPU环境的完整命令创建一个干净环境指定 Python 版本再安装 CUDA 版 PyTorch。这里以目前最稳妥的组合为例conda create -n gan python3.10 -y conda activate gan conda install numpy pillow matplotlib pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install tensorboard第一行创建名为gan的环境-y 表示跳过确认提示。指定 python3.10 是为了兼容当前主流 PyTorch 版本和 torchvision避免有些预编译包在过新的 Python 版本下找不到轮子。pip 安装 torch 时指定了与 CUDA 12.1 匹配的 index-url这样 CUDA 算子库会自动装入环境不需要手动配置 LD_LIBRARY_PATH。安装完成后的验证环节要足够严格直接跑一个 GPU 上的张量运算import torch print(torch.__version__) print(torch.cuda.is_available()) x torch.randn(4, 3, 256, 256, devicecuda) print(x.device)第一行打印的是 PyTorch 版本号第二行必须输出True否则后面训练时模型会默认在 CPU 上跑训练速度慢到无法接受。第三行在 GPU 上创建随机张量如果能打印出cuda:0说明显存驱动和 CUDA 运行库都没有问题。3.2 数据集组织与预处理CycleGAN 官方实现把数据放在datasets/数据集名/目录下分别建立trainA、trainB、testA、testB四个子目录。我沿用这套结构因为后续代码读取路径时几乎不用改动。把非配对数据直接丢进 trainA 和 trainB测试图片放到 testA 和 testB。目录长这样datasets/monet2photo/ trainA/ # 真实风景照片 trainB/ # Monet风格油画 testA/ testB/3.2.1 A/B域目录结构与训练集划分如果你打算自己收集数据而不是直接用公开数据集需要遵守一条纪律A 域和 B 域图片数量不需要相等聚类和特征分布越接近越好。例如做“晴天转雨天”的 CycleGANA 域放各季节晴天街景B 域放雨天街景。两个域的拍摄机位不需要一致但都要来自同一类场景否则模型会把场景差异也当成风格差异学进去生成结果会出现奇怪的视觉错乱。3.2.2 resize与归一化的顺序对生成质量的影响预处理时先把图片统一缩放到 286x286然后随机裁剪出 256x256。这个做法来自原始实现缩放时引入一点冗余裁剪时产生随机位移等于免费做数据增强。训练阶段另一个细节是翻转增强以 0.5 概率做水平翻转。代码里通常这样写transform transforms.Compose([ transforms.Resize(286, transforms.InterpolationMode.BICUBIC), transforms.RandomCrop(256), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize(mean[0.5, 0.5, 0.5], std[0.5, 0.5, 0.5]) ])注意最后一步 Normalize 把像素从 [0, 1] 映射到 [-1, 1]这是 GAN 的标准做法。Tanh 作为生成器最后一层输出范围恰好是 [-1, 1]判别器接受的输入同样需要这个范围。这里有个很隐蔽的坑测试阶段不要使用 RandomCrop 和 RandomHorizontalFlip需要换成 CenterCrop 并去掉翻转。有的教程把训练和测试写成同一套 transform导致结果每次运行都不一样。4. CycleGAN核心模块的PyTorch实现生成器、判别器与循环损失跑通源码只需要会用但要在毕业设计答辩里讲清楚必须理解生成器和判别器内部长什么样。我拆成三块来讲每块都能直接对照代码。4.1 用ResNet Block做6层生成器先看它的构建逻辑CycleGAN 默认使用 ResNet 结构的生成器图像尺寸为 256x256 时用 9 个 ResNet Block128x128 时用 6 个。这里的 ResNet Block 指的是一个残差块输入经过两次卷积和 ReLU 激活后与原始输入相加。生成器的整体结构是前两层卷积下采样把 256x256 降到 64x64然后经过 9 个残差块做非线性变换再用转置卷积上采样回 256x256。残差连接保证深层特征不会丢失原始内容信息这是循环一致损失能收敛的结构基础。pix2pix 里则偏好 U-Net 结构因为配对数据下 skip connection 能直接传递像素级信息保留边缘细节。4.2 用PatchGAN做判别器为什么输出是NxN矩阵判别器用的是 PatchGAN它不是输出一个标量真/假而是输出一个 NxN 的矩阵。比如输入 256x256 图像输出可以是 30x30每个格子负责判断图像的一个局部 patch 是真是假。这样做的好处是参数量小、更关注纹理和风格而非全局语义。实现方式是连续下采样卷积感受野逐渐扩大。训练时把 patch 矩阵整体求平均得到最终损失更新梯度。class PatchDiscriminator(nn.Module): def __init__(self, input_nc3): super().__init__() self.model nn.Sequential( nn.Conv2d(input_nc, 64, kernel_size4, stride2, padding1), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(64, 128, kernel_size4, stride2, padding1), nn.BatchNorm2d(128), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(128, 256, kernel_size4, stride2, padding1), nn.BatchNorm2d(256), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(256, 1, kernel_size4, stride1, padding1) ) def forward(self, x): return self.model(x)第一层卷积把 3 通道映射到 64 通道stride2 实现下采样。LeakyReLU 的负斜率设为 0.2取代 ReLU 防止梯度死亡。最后一层输出通道为 1不加 Sigmoid因为损失函数直接用 BCEWithLogitsLoss数值上更稳定。前期卷积步长为 2最后两层步长为 1目的是让输出 patch 的尺寸不至于过小保留足够的局部感受野。4.3 循环一致损失的计算方式与权重设置这是整个代码仓库里必须读懂的损失计算部分。pix2pix 只计算一次 L1 损失CycleGAN 则要计算两个方向的循环损失。4.3.1 前向循环一致与反向循环一致的PyTorch写法real_A next(iter(loader_A)) real_B next(iter(loader_B)) fake_B netG_A2B(real_A) # A - B rec_A netG_B2A(fake_B) # B - A loss_cycle_A L1(rec_A, real_A) * lambda_A fake_A netG_B2A(real_B) # B - A rec_B netG_A2B(fake_A) # A - B loss_cycle_B L1(rec_B, real_B) * lambda_B loss_cycle loss_cycle_A loss_cycle_B先看前向循环real_A 经过 G_A2B 得到 fake_B再经过 G_B2A 得到重建的 rec_A与真实 real_A 计算 L1 距离。反向循环对称real_B 先经 G_B2A 再经 G_A2B 重建为 rec_B。lambda_A 和 lambda_B 都是 10。中间的 fake_B 和 fake_A 还要分别喂给对应的判别器计算对抗损失这样生成器同时接收两个梯度信号。需要注意的是fake_B 在计算 rec_A 之后要执行 detach 再送入循环不需要循环损失本身就是生成器更新的一部分梯度应回传到两个生成器。4.3.2 identity loss加入前后训练稳定性的差异identity loss 的 PyTorch 写法更简单id_A netG_B2A(real_A) loss_id_A L1(id_A, real_A) * lambda_identity id_B netG_A2B(real_B) loss_id_B L1(id_B, real_B) * lambda_identity这个式子表达的意思是把真实 A 图像直接给 G_B2A它应该尽量保持原貌把真实 B 给 G_A2B 也一样。我做过对比实验加入 identity loss 后训练初期判别器 loss 下降更平稳生成图像的颜色偏移明显减轻。但 lambda_identity 超过 5 时风格迁移力度会明显减弱图像几乎只剩轻微滤镜效果。单卡训练时建议固定为 0.5 不动直到基本跑通再回头调节。5. 训练参数、梯度平衡与常见的踩坑点PyTorch 的 GAN 训练本质上是在两个网络之间拔河参数配平比模型结构更影响最终效果。这一章给出可直接复用的超参基准和排错思路。5.1 学习率、batch size与lambda系数的经验标定CycleGAN 官方给出的默认超参经受住了大量实验验证在 256x256 输入下batch size 设为 1优化器用 Adam学习率 0.0002beta1 取 0.5beta2 取 0.999。前 100 个 epoch 保持恒定学习率后 100 个 epoch 线性衰减到 0。batch size 设 1 在直觉上很奇怪但 GAN 训练里它让模型每次只关注一张图的分布反而更容易稳定。判别器的 BN 层在 batch size 为 1 时统计单样本均值和方差实际效果证明合理。学习率衰减实现方式def lambda_rule(epoch): n_epochs, n_epochs_decay 100, 100 return 1.0 - max(0, epoch - n_epochs) / n_epochs_decay scheduler torch.optim.lr_scheduler.LambdaLR( optimizer_G, lr_lambdalambda_rule )LambdaLR 在 epoch 大于 100 时开始把学习率从 1.0 线性拉向 0。前 100 个 epoch 不衰减。这个机制很关键后期学习率变小帮助生成器收敛到精细纹理而不是来回震荡。5.2 两个优化器不同步更新时的损失波动代码里有两个优化器 optimizer_G 和 optimizer_D分别更新生成器和判别器。每次迭代先更新判别器再更新生成器。一次训练循环里生成器收集三类损失并累加loss_G loss_gan_A loss_gan_B loss_cycle_A loss_cycle_B loss_id_A loss_id_B判别器则分别计算真假图像的损失loss_D_A BCEWithLogitsLoss(D_A(fake_B.detach()), false_label) loss_D_A BCEWithLogitsLoss(D_A(real_B), true_label)fake_B 在送入判别器之前必须 detach否则梯度会回传到生成器。更新判别器时使用两个 backward 之后统一 step比分别 step 更稳定。观察 loss 时要注意cycle loss 数值长期高于对抗 loss 是正常的因为权重 10 被乘进去了。真正危险的是 cycle loss 突然跳到初始值的几百倍。5.3 训练结果异常时优先排查的三个地方第一个排查点是生成器是否完全压制了判别器。如果 D loss 快速跌到接近 0G loss 还在高位晃动说明判别器能力过强。常见做法是降低判别器学习率到 0.0001给生成器更多追赶时间。第二个排查点是生成图像是否出现重复的块状纹理。如果输出图里有明显的棋盘格或者块状拼接感通常是 PatchGAN 的 patch 数量不够覆盖生成器感受野也可能是因为生成器下采样次数过多导致信息丢失。把 9 个 ResNet Block 换成 6 个缩小模型容量往往能改善。第三个排查点是数据量极不均衡。A 域有 3000 张B 域只有 300 张时B 域的判别器会被迅速骗过G_A2B 就会输出千篇一律的图像。解决办法是给 B 域做额外增强随机旋转、色彩抖动、高斯噪声轻度叠加。参数pix2pix 经验值CycleGAN 经验值输入图像尺寸256x256256x256batch size11初始学习率0.00020.0002Adam beta10.50.5L1 权重1000循环一致权重010identity 权重00.5生成器结构U-Net9-block ResNet训练总 epoch200200这张表是从官方实现和大量复现实验里总结的起点。不要一上来就改超参先按这个配置跑通一个数据集再针对效果微调。6. 用训练好的模型做推理验证与结果导出训练到第 100 个 epoch 时可以中途取 checkpoint 做一次推理不需要等全部跑完。我的做法是每 5 个 epoch 保存一份并定期把生成结果写到results/目录肉眼观察比盯 loss 曲线更直接。6.1 从checkpoint恢复模型并保持eval模式checkpoint torch.load(checkpoints/cyclegan/200_net_G_A.pth) netG_A2B.load_state_dict(checkpoint) netG_A2B.eval()加载权重后必须调用 eval 模式它关闭 Dropout 和 BatchNorm 的训练统计。CycleGAN 生成器用了 BatchNorm如果不切换到 eval 模式BatchNorm 会继续用当前 batch 的统计量结果色调会产生轻微抖动。6.2 批量推理与torchvision.save_image输出with torch.no_grad(): img transform(test_image).unsqueeze(0).cuda() fake netG_A2B(img) torchvision.utils.save_image( fake * 0.5 0.5, results/result.jpg, normalizeFalse )显式包在torch.no_grad()里跳过梯度图构建显存占用更小。保存前把输出从 [-1, 1] 还原到 [0, 1]否则图片会整体偏暗且对比度严重失真。6.3 用pad技巧稳定测试端到端质量测试阶段如果输入图像不是 256 的整数倍不要直接 resize因为非整数倍缩放会引入几何畸变。常见做法是先做 reflection pad 补到 256 的整数倍推理完再裁剪回原尺寸。CycleGAN 编码器卷积对边界敏感pad 之后生成结果中心区域更干净。这个技巧对从手机拍摄的任意尺寸图片做批量风格迁移时尤其有效。跑通一个数据集之后可以进一步验证模型是否真的学到了域之间的结构对应挑几张测试图分别用原图和翻转图输入对比生成结果是否也相应地翻转。如果翻转后输出明显不合理说明生成器只是记住了训练集中的高频纹理模式并没有真正理解内容结构。这个验证在毕设论文里是一个很能展示工作量的小实验。把训练批次里的若干输出图导出来做一次这样的自检再决定要不要继续调参比你盯 loss 曲线猜状态要靠谱得多。本文还有配套的精品资源点击获取