【复现】StarGANv1复现Celeb-A与RaFD结果一览
该文本介绍了StarGAN模型的复现过程，包括环境配置、数据集使用、论文学习内容、实现结果以及代码细节。环境使用了CUDA-9.0、Python-3.5.4和tensorflow-gpu-1.9.0，但部分硬件不支持CUDA-9.0，需手动替换文件。数据集方面，Celeb-A易于获取，而RaFD需导师或论文第一作者申请。论文学习中，判别器用于鉴别真伪并来源领域。实现结果中，模型在Celeb-A和RaFD上表现良好，但因显卡问题（1050显卡）导致训练困难，改小了batchsize并调整了numworkers。代码部分未保存模型，参考了相关博客。下一步计划复现StarGANv2。
环境：
CUDA-9.0版本的环境配置无需调整，但需注意的是，某些硬件不支持CUDA-9.0，具体操作步骤可参考他人的博客获取详细说明。
数据集
Celeb-A 人脸数据集
在该平台即可访问，无需会员即可访问该平台
该数据集的尺寸为178×218，实际读取时会被解析为178x178。
RaFD 人脸表情数据集
需经导师或具有出版物的第一作者申请，学生自身无法申请，建议寻求指导老师协助。数据集的尺寸为681×1024，具体操作流程包括：对原始数据集进行缩放裁剪处理，将其调整为256×256的大小，随后提取了正面和45°侧面的图像，其余角度的样本予以舍弃。
论文学习
判别器，鉴定是真/假，鉴别来自哪个domain。
实现结果
celeb-A
原图 ——黑头发 —— 金头发 —— 棕头发 —— 男女转化 —— 老少转化
RaFD
原图 —— 愤怒 —— 轻蔑 —— 厌恶 —— 开心 —— 中性
由于是1050显卡，原代码中的batch_size设置为16时无法处理，我将其降低。而且，当StarGAN的batch_size增大时，训练速度会减缓，大约需要两天时间。随后，需要将num_workers设置为0。
训练中断就很闹心：pytoch保存模型
观察了一下结果，其中，胡子、帽子、背景等原始图片质量对最终结果的影响尤为显著。这也就难怪很多论文在选图时都偏好使用白底图片了。
代码阅读
原始代码似乎未保存模型，已增加相关操作。
下一步
StarGANv2复现