CartoonGan-tensorflow

一键将照片变成动漫风格，体验 CartoonGAN 的魔法

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署设计创意 🍴 复刻 238 🐛 待处理 22 👀 关注 2 ⚠️ 作者已归档（停止维护）

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 935

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，基于TensorFlow 2.0的CartoonGAN实现，可本地部署生成卡通风格图像，完全免费。

项目预览

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

项目数据

分类设计创意

开发团队mnicnc404

官网地址https://leemeng.tw/generate-anime-using-cartoongan-and-tensorflow2-en.html

GitHubhttps://github.com/mnicnc404/CartoonGan-tensorflow

定价模式🏷️完全免费

价格说明开源项目，基于TensorFlow 2.0的CartoonGAN实现，可本地部署生成卡通风格图像，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Apache-2.0

主要语言Python

技术栈/模型deep-learning,gan,generative-adversarial-network,generative-art,keras,tensorboard,tensorflow,tensorflow2,tf-keras

GitHub 星标★ 935

上线时间2019-02-16 00:00:00

代码更新2021-10-17

仓库体积345.9 MB

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5

项目介绍

CartoonGan-tensorflow 是 CVPR 2018 论文 CartoonGAN 的 TensorFlow 2.0 Alpha 实现，用于将真实照片转换为动漫风格图像。它解决了传统图像风格迁移在卡通化场景下细节保留不足、训练不稳定等问题，通过生成对抗网络（GAN）实现高质量、多样化的卡通风格转换。项目核心能力包括：支持加载预训练模型快速推理、提供训练脚本以在自定义数据集上微调、内置多种卡通风格（如宫崎骏、新海诚等）的生成效果。代码结构清晰，基于 TensorFlow 2.0 的 Keras API，便于二次开发和集成。尽管是早期项目，但仍为研究者和开发者提供了实用的卡通化工具，适合图像风格迁移学习、动漫风格内容生成等场景。

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 ★ 935

技术标签

deep-learning gan generative-adversarial-network generative-art keras

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：高级约 45 分钟部署方式：本地 GPU 5 步

环境要求

TensorFlow 2.x
NVIDIA GPU（建议 11GB+ 显存）
训练数据集

安装与启动步骤

1克隆并装依赖

用 requirements_gpu.txt；只有 CPU 时需自行改依赖版本。

git clone https://github.com/mnicnc404/CartoonGan-tensorflow.git && cd CartoonGan-tensorflow
pip install -r requirements_gpu.txt

2装 tf_keras 兼容层

项目基于旧版 Keras API，需要 keras-contrib 转换后再装。

git clone https://www.github.com/keras-team/keras-contrib.git \
    && cd keras-contrib && python convert_to_tf_keras.py \
    && USE_TF_KERAS=1 python setup.py install

3准备数据集

按 trainB 结构放目标画风图片，先跑平滑脚本抑制噪点。
```
python path/to/smooth.py --path path/to/datasets/YourDataset
```
4训练

论文默认 100 epoch 以上；显存不足时减小 batch。
```
python train.py --batch_size 4 --epochs 100
```
5推理出图

用 checkpoint 或导出 SavedModel 后推理，都可以直接生成卡通化结果。
```
python cartoonize.py --checkpoint_dir ./checkpoints
```