pix2pix

环境要求

• Linux 或 OSX 系统
• NVIDIA GPU + CUDA CuDNN（CPU 模式与无 CuDNN 的 CUDA 需要少量修改且未经测试）
• 已安装 Torch 及其依赖（参考 https://github.com/torch/distro）
• 已安装 luarocks（随 Torch 发行版提供）

安装与启动步骤

1. 1安装 Torch

   按 Torch distro 官方说明安装 Torch 及依赖。README 未给出具体安装命令，需前往 https://github.com/torch/distro 按指引操作。

2. 2安装 Lua 依赖包

   安装 pix2pix 需要的 nngraph 和 display 两个 torch 包，display 从 rockspec 地址安装。

   luarocks install nngraph
   luarocks install https://raw.githubusercontent.com/szym/display/master/display-scm-0.rockspec

   复制

3. 3克隆代码仓库

   把 pix2pix 源码克隆到本地并进入目录，后续所有命令都在该目录下执行。

   git clone git@github.com:phillipi/pix2pix.git
   cd pix2pix

   复制

4. 4下载数据集

   以 CMP Facades 数据集为例，运行脚本自动下载并解压到 ./datasets/facades 目录。

   bash ./datasets/download_dataset.sh facades

   复制

5. 5启动显示服务

   可选：另开一个终端启动 display 服务，训练过程中可以实时查看生成结果。

   th -ldisplay.start 8000 0.0.0.0

   复制

6. 6训练模型

   用 Facades 数据训练 BtoA 方向的模型，name 决定结果输出目录名。只有 CPU 时改用 CPU 命令。

   DATA_ROOT=./datasets/facades name=facades_generation which_direction=BtoA th train.lua

   复制

7. 7测试模型

   加载训练好的模型做验证，结果会写入 html 文件，直接用浏览器打开查看生成的图像。

   DATA_ROOT=./datasets/facades name=facades_generation which_direction=BtoA phase=val th test.lua

   复制

关键配置

如何确认成功

测试完成后打开 ./results/facades_generation/latest_net_G_val/index.html，能看到生成的图像即表示成功。

常见问题

注意事项

• Torch 版已不再活跃维护，新项目建议优先使用 README 推荐的 PyTorch 实现。
• CPU 模式或 CUDA 不带 CuDNN 可能可行，但需少量代码修改且官方未做测试。
• 训练环境仅支持 Linux 或 OSX，不支持 Windows。
• 克隆命令用的是 SSH 地址，若未配置 SSH key 可改用 HTTPS 地址克隆。