CycleGAN（四）inference过程与model定义

Bertha 。 2022-02-27 17:08 308阅读 0赞

**背景**：我们需要搞懂cycleGAN如何对已有图片进行inference

**目录**

一、嵌套位置

1.1 调用位置

1.2 inference调用的函数

二、前馈运算

2.1 forward

2.2 实验结果及解释

三、模型

3.1 模型定义

3.2 定义loss

3.3 模型结构

--------------------

# 一、嵌套位置 #

## 1.1 调用位置 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70][]

test.py之中，很容易看到调用inference的部分

for i, data in enumerate(dataset):
            if i >= opt.num_test:  # only apply our model to opt.num_test images.
                break
            model.set_input(data)  # unpack data from data loader
            model.test()           # run inference
            visuals = model.get_current_visuals()  # get image results
            img_path = model.get_image_paths()     # get image paths

## 1.2 inference调用的函数 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 1][]

# 二、前馈运算 #

## 2.1 forward ##

def forward(self):
            """Run forward pass; called by both functions <optimize_parameters> and <test>."""
            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))

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 2][]

*  real\_A输入netG\_A 生成 fake\_B
 *  fake\_B输入netG\_B生成fake\_A
 *  real\_B输入netG\_B生成fake\_A
 *  fake\_A输入netG\_A生成rec\_B
 *  即fake就是根据real通过生成器G生成的
 *  rec就是re-cycle，就是A通过两次生成器返回的A

## 2.2 实验结果及解释 ##

这也给实验结果一定的解释：

*  训练时模型是从trainA是正常布料，trainB是棉布料，测试时testA是正常，testB是撕裂布料
 *  即训练： 正常——棉   ，模型是从正常布料到棉布料的迁移
 *  测试：正常——破裂

![20190329094942412.png][]  ![20190328153831367.png][]  ![20190329094922789.png][]

分别是realA，fakeA，recA

![20190329095033359.png][]  ![20190329095045585.png][]  ![20190329095057329.png][]

分别是realB，fakeB，recB

# 三、模型 #

## 3.1 模型定义 ##

base\_model.py与cycle\_gan\_model.py之中定义了模型，loss等各种信息。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 3][]

## 3.2 定义loss ##

具体参见：

[CycleGAN（五）loss理解及更改与实验 ][CycleGAN_loss_]

初始化时定义了几种loss的名称，后面定义了backward\_D\_basic和backward\_G

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 4][]

## 3.3 模型结构 ##

![2019040115033582.png][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 5][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70]: /images/20220227/77697b06390743039cf5af3eea491d23.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 1]: /images/20220227/d9326de6653747d3bc90621d65fadbb5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 2]: /images/20220227/ccb3efbac1a34e66b680c313da0f8391.png
[20190329094942412.png]: https://img-blog.csdnimg.cn/20190329094942412.png
[20190328153831367.png]: https://img-blog.csdnimg.cn/20190328153831367.png
[20190329094922789.png]: /images/20220227/f05fb7c60ddf430b948d99c20f78f530.png
[20190329095033359.png]: https://img-blog.csdnimg.cn/20190329095033359.png
[20190329095045585.png]: https://img-blog.csdnimg.cn/20190329095045585.png
[20190329095057329.png]: /images/20220227/c471c89760794756ae9a6138e00d37c4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 3]: /images/20220227/ede8733b3fe94f509c48f3d32f2d88d3.png
[CycleGAN_loss_]: https://blog.csdn.net/weixin_36474809/article/details/88895136
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 4]: /images/20220227/71fd4a9b22d14f34bf38093767831371.png
[2019040115033582.png]: /images/20220227/d3d33bc36358460086456270de57b693.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNjQ3NDgwOQ_size_16_color_FFFFFF_t_70 5]: /images/20220227/7ff55ca5cd224747b3aee9cff018eb41.png