tensorflow-gpu==1.13.1
keras==2.1.5
为了验证模型的有效性,我使用了花的例子进行了训练。
训练好的生成器与判别器模型Generator_Flower.h5、Discriminator_Flower.h5可以通过百度网盘下载或者通过GITHUB下载
权值的百度网盘地址如下:
链接: https://pan.baidu.com/s/1U1PtEqDWW0Xg_zYpxwqn0A 提取码: 56kb
花的数据集可以通过百度网盘下载:
链接: https://pan.baidu.com/s/1ITA1Lw_K28B3nbNPnI3_Kw 提取码: 11yt
_defaults = {
#-----------------------------------------------#
# model_path指向logs文件夹下的权值文件
#-----------------------------------------------#
"model_path" : 'model_data/Generator_Flower.h5',
#-----------------------------------------------#
# 卷积通道数的设置
#-----------------------------------------------#
"channel" : 64,
#-----------------------------------------------#
# 输入图像大小的设置
#-----------------------------------------------#
"input_shape" : [64, 64],
}
3. 运行predict.py,在终端点击enter,即可生成图片,生成图片位于results/predict_out/predict_1x1_results.png,results/predict_out/predict_5x5_results.png。
## 训练步骤
1. 训练前将期望生成的图片文件放在datasets文件夹下(参考花的数据集)。
2. 运行根目录下面的txt_annotation.py,生成train_lines.txt,保证train_lines.txt内部是有文件路径内容的。
3. 运行train.py文件进行训练,训练过程中生成的图片可查看results/train_out文件夹下的图片。