PyTorch-CycleGAN

用无配对图片训练，轻松实现风格迁移和图像转换

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 296 🐛 待处理 40 👀 关注 11

GitHub ↗

GitHub 星标 ★ 1319

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，GPL-3.0许可，可自行部署使用，完全免费。

项目预览

PyTorch-CycleGAN 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队aitorzip

GitHubhttps://github.com/aitorzip/PyTorch-CycleGAN

定价模式🏷️完全免费

价格说明开源项目，GPL-3.0许可，可自行部署使用，完全免费。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议GPL-3.0

主要语言Python

技术栈/模型artificial-intelligence,computer-graphics,computer-vision,cyclegan,deep-learning,generative-adversarial-network,image-generation,image-processing,pytorch

GitHub 星标★ 1319

上线时间2017-12-12 00:00:00

代码更新2022-04-20

仓库体积547 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

这是一个基于PyTorch的CycleGAN清洁可读实现，用于无配对图像到图像的转换。它解决了传统GAN需要成对训练数据的问题，通过循环一致性损失实现两个域之间的风格迁移，例如将照片转换为油画、马变斑马等。核心能力包括：完整的训练和测试流程、多种数据集支持、可配置的模型参数、以及清晰的代码结构便于学习和二次开发。项目提供了预训练模型和示例脚本，降低了使用门槛。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1319

技术标签

artificial-intelligence computer-graphics computer-vision cyclegan deep-learning

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 20 分钟部署方式：本地安装 5 步

环境要求

Python 3.6.x（README 明确代码针对该版本，未在更早版本测试）
PyTorch 与 torchvision（按 pytorch.org 上对应环境的说明安装）
Visdom（用于绘制损失曲线并可视化图像）
训练数据：可直接下载 UC Berkeley 已有数据集，或按目录结构自建

安装与启动步骤

1获取项目代码

从 GitHub 克隆 PyTorch-CycleGAN 仓库到本地，然后进入项目根目录执行后续操作。
```
git clone https://github.com/aitorzip/PyTorch-CycleGAN.git
cd PyTorch-CycleGAN
```
2安装 PyTorch 环境

README 要求按 pytorch.org 官网针对你当前系统与 CUDA 版本的说明安装 PyTorch 和 torchvision，本项目未给出固定安装命令。
3安装 Visdom

Visdom 用于绘制损失曲线并在浏览器中查看生成图像，README 给出的安装命令如下。
```
pip3 install visdom
```
4下载标准数据集

使用仓库自带脚本下载 UC Berkeley 提供的数据集，把 <dataset_name> 替换为下方合法数据集名称之一。
```
./download_dataset horse2zebra
```
5准备自定义数据集

若不用现成数据集，按 README 目录结构自建：datasets/<数据集名>/train 与 test 下各有 A、B 两个域图片文件夹。

如何确认成功

数据集下载完成后，datasets/<数据集名>/ 下应出现 train 与 test 目录及其中的 A、B 子目录；Visdom 能正常导入即环境就绪。

常见问题

Q：Python 版本不是 3.6.x 可以运行吗？

A：README 说明代码面向 Python 3.6.x，且未在更早版本测试过，建议使用 3.6.x 环境以减少兼容问题。

Q：download_dataset 支持哪些数据集？

A：apple2orange、summer2winter_yosemite、horse2zebra、monet2photo、cezanne2photo、ukiyoe2photo、vangogh2photo、maps、cityscapes、facades、iphone2dslr_flower、ae_photos。

Q：Visdom 是必须安装的吗？

A：README 将其列为前置依赖，作用是绘制损失图和浏览图像；不安装则无法使用其可视化功能。

Q：如何用自己的图片训练？

A：按 README 结构建立 datasets/<数据集名>/train/A、train/B 和 test/A、test/B，分别放入两个域的图片即可。