在關於原理里面已經講了adversial 這個東西的原理以及流程，
這個算法本身沒什么吸引，美妙的地方在於他的訓練流程！
這個篇章着重講如何跑通一個GAN的代碼－－－這里特指cyclegan
1 下載代碼：
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/
從這里下載代碼，然后按照redeme配置環境即可
２配置環境：
1 python3.6
2 torch必須是0.4.0
３下載數據集，按照reame,沒問題
在我順利跑通前，會遇到一個意想不到的錯誤：
WARNING:root:Setting up a new session...
這個錯誤是因為我的display(可視化)有些問題，目前解決方式是干脆不要可視化了，
train.py里面把關於
visualizer的一切都注釋掉！
test的時候，遇到了一個問題，在我把visualizer注釋掉之后，生成圖片遇到了問題
此時我進行了幾個操作
１把tensor轉為image
2 image.save
具體代碼如下：
其中visuals是一個tensor
unloader = transforms.ToPILImage()
def tensor_to_PIL(tensor):
image = tensor.cpu().clone()
image = image.squeeze(0)
image = unloader(image)
return image
image = tensor.cpu().clone()
image = image.squeeze(0)
image = unloader(image)
return image
abc=tensor_to_PIL(visuals['fake_A'][0])
abc.save('./imggg/'+str(counttt)+'.jpg')
然后就可以跑通了
接下來是換數據集，
換數據集要做到一點：domian a 與domain b之間的差距不能太大，
比如如果domain a 是汽車，domian b是房子，這樣什么也學不到
所以最好的就是domian a 是普通的馬，domian b是斑馬