总结了使用CycleGAN训练自己制作的数据集，这里的教程例子主要就是官网给出的斑马变马，马变斑马，两个不同域之间的相互转换。教程中提供了官网给的源码包和我自己调试优化好的源码包，大家根据自己的情况下载使用，推荐学习者下载我提供的源码包，可以少走一些弯路，按照我的教程，能较快上手训练使用。目录一、源码包的下载二、安装训练必要的库文件三、准备数据集四、训练数据集1、配置训练文件2、训练参数的修改3、开始训练4、可视化训练过程4.1启动visdom五、测试训练好的模型1、配置测试文件2、开始测试六、测试官方给出的模型权重七、总结一、源码包的下载官方给出的源码包下载链接：添加链接描述配套教程源码包下

目录前言一、下载项目，搭配环境二、下载数据集三、训练3.1调用Visdom可视化库3.2训练四、预测4.1用自己训练完的权重文件进行预测4.2用作者预训练文件进行预测  最近在学习UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversarialNetworks这篇论文，论文下载地址，想要复现一下文中的代码，过程中遇到了很多问题，因此记录下来。遇到其他问题欢迎在评论区留言，相互解答。前言如果没有安装Anaconda或者MIniconda的可以先安装，并学一下简单的环境以及包的管理。基本的语法有：condaremove-n=your

目录前言一、下载项目，搭配环境二、下载数据集三、训练3.1调用Visdom可视化库3.2训练四、预测4.1用自己训练完的权重文件进行预测4.2用作者预训练文件进行预测  最近在学习UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversarialNetworks这篇论文，论文下载地址，想要复现一下文中的代码，过程中遇到了很多问题，因此记录下来。遇到其他问题欢迎在评论区留言，相互解答。前言如果没有安装Anaconda或者MIniconda的可以先安装，并学一下简单的环境以及包的管理。基本的语法有：condaremove-n=your

最近刚刚入门深度学习，试着复现cycleGAN代码。看了一个YouTube博主的cycleGAN代码，自己跟着写了一遍，同时加上了代码注释，希望能帮到同样的入门伙伴下面的github地址https://github.com/RRRRRBL/CycleGAN-Detailed-notes-在这里给出一个生成器的代码importtorch.nnasnnclassConvBlock(nn.Module):def__init__(self,in_channels,out_channels,down=True,use_act=True,**kwargs):#down：下采样，act：激活，**kwarg

最近刚刚入门深度学习，试着复现cycleGAN代码。看了一个YouTube博主的cycleGAN代码，自己跟着写了一遍，同时加上了代码注释，希望能帮到同样的入门伙伴下面的github地址https://github.com/RRRRRBL/CycleGAN-Detailed-notes-在这里给出一个生成器的代码importtorch.nnasnnclassConvBlock(nn.Module):def__init__(self,in_channels,out_channels,down=True,use_act=True,**kwargs):#down：下采样，act：激活，**kwarg