【亲测免费】 SinGAN 项目使用教程

1. 项目目录结构及介绍

SinGAN 项目的目录结构如下：

SinGAN/
├── Input/
│   └── Images/
├── SIFID/
├── SinGAN/
├── img/
├── .gitignore
├── LICENSE.txt
├── README.md
├── SIFID.npy
├── SR.py
├── animation.py
├── config.py
├── config.pyc
├── editing.py
├── harmonization.py
├── main_train.py
├── paint2image.py
├── random_samples.py
└── requirements.txt

目录介绍：

• Input/: 存放训练图像的目录。
  • Images/: 存放训练图像的子目录。
• SIFID/: 存放用于计算单图像 Fréchet Inception Distance (SIFID) 的脚本。
• SinGAN/: 存放 SinGAN 模型的相关文件。
• img/: 存放示例图像的目录。
• .gitignore: Git 忽略文件配置。
• LICENSE.txt: 项目许可证文件。
• README.md: 项目介绍和使用说明。
• SIFID.npy: SIFID 计算结果文件。
• SR.py: 超分辨率脚本。
• animation.py: 生成动画的脚本。
• config.py: 配置文件。
• config.pyc: 配置文件的编译版本。
• editing.py: 图像编辑脚本。
• harmonization.py: 图像协调脚本。
• main_train.py: 主训练脚本。
• paint2image.py: 将绘画转换为图像的脚本。
• random_samples.py: 生成随机样本的脚本。
• requirements.txt: 项目依赖库列表。

2. 项目启动文件介绍

main_train.py

main_train.py 是 SinGAN 项目的主训练脚本。通过该脚本，用户可以在自己的图像上训练 SinGAN 模型，并生成随机样本。

使用方法：

python main_train.py --input_name <input_file_name>

• --input_name: 指定训练图像的文件名。

random_samples.py

random_samples.py 用于生成随机样本。用户可以在训练完成后，使用该脚本生成不同尺度的随机样本。

使用方法：

python random_samples.py --input_name <training_image_file_name> --mode random_samples --gen_start_scale <generation start scale number>

• --input_name: 指定训练图像的文件名。
• --mode: 指定生成模式，例如 random_samples。
• --gen_start_scale: 指定生成起始尺度。

3. 项目配置文件介绍

config.py

config.py 是 SinGAN 项目的配置文件。该文件包含了训练和生成过程中的一些参数设置。

主要配置项：

• device: 指定使用的设备（CPU 或 GPU）。
• niter: 每个尺度的训练迭代次数。
• noise_amp: 噪声放大系数。
• min_size: 图像的最小尺寸。
• max_size: 图像的最大尺寸。

requirements.txt

requirements.txt 列出了项目所需的依赖库及其版本。用户可以通过以下命令安装所有依赖：

python -m pip install -r requirements.txt

README.md

README.md 文件包含了项目的详细介绍、使用说明和示例。用户在开始使用项目前，应仔细阅读该文件以了解项目的功能和使用方法。