基於深度學習GAN的Ai換裝（比賽記錄）

比賽記錄(一)

一、AI換裝：

1：模型安裝與調試

Viton -Gan

項目地址：
https://github.com/shionhonda/viton-gan

clone好以後，目錄中只有文件，沒有文件夾，缺少：

1：編譯環境，torch -gpu版本地址：鏈接：https://pan.baidu.com/s/1d6ThY0AlhDF-cJQenL8vLw
提取碼：j784 通過pip install XXXXXXX.whl安裝 （python3.7， 64位，cuda爲10.2）

通過pip或者conda安裝：https://pytorch.org/見此

如圖：

其餘的基本上就是個個可視化的，直接安裝就行。

2：需要下載data數據集：包含：

見此：https://pan.baidu.com/share/init?surl=bdB3mdWBAD8-5uYoa3Kp4Q 提取碼：8aum

腳本介紹，以及後續運行順序

說明：

2：代碼運行

運行train_gmm

如果運行報錯：

Traceback (most recent call last):
  File "train.py", line 191, in <module>
    main()
  File "train.py", line 176, in main
    train_gmm(opt, train_loader, model, board)
  File "train.py", line 58, in train_gmm
    inputs = train_loader.next_batch()
  File "/vton/cinastanbean-cp-vton/cp_dataset.py", line 166, in next_batch
...
    tensor.sub_(mean[:, None, None]).div_(std[:, None, None])
RuntimeError: output with shape [1, 256, 192] doesn't match the broadcast shape [3, 256, 192]

self.transform = transforms.Compose([  \
        transforms.ToTensor(),   \
        transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
self.transform = transforms.Compose([ \
        transforms.ToTensor(), \
        transforms.Normalize((0.5,), (0.5,))])

測試時，不用改epoch爲100，測試用1-10就行

會在：

裏面的GMM打開：

3：運行run_gmm

要是報runtime錯，請修改batchsize，降低到6左右

要是報一個out of memenoy 請降低n_worker 爲0-4左右

然後運行結束後會在data /train 和test 或者val中各添加兩個擬合，與掩碼圖片：

4,然後就運行train _tom

需要一個VGG19模型，請點擊：https://blog.csdn.net/Da_Yuan8421/article/details/88836970

寫錯了。應該是torch 下面的checkpoints裏面

運行train_tom這個是生成最後的擬合模型，根據你的epoch數決定

會在根目錄的result裏面的TOM下生成模型pth

（這個我有訓練好65個epoch的）

然後就最後run_tom:

結果如圖：（只訓練了幾個epoch）

目標效果：

5：最後有一些需要修改的地方（報錯請看這裏）：

要是報runtime錯，請修改batchsize，降低到6左右

要是報一個out of memenoy 請降低n_worker 爲0-4左右

data中，要改成person，不用原本的（只改名字，結果如圖），另外好像要自己建立個VAL文件夾，放入跟test一樣的文件就行（這個不確定了）：