17天
本节学习了CycleGAN图像风格迁移互换。
CycleGAN即循环对抗生成网络，该模型实现了一种在没有配对示例的情况下学习将图像从源域 X 转换到目标域 Y 的方法。该模型一个重要应用领域是域迁移，可以通俗地理解为图像风格迁移。其实在 CycleGAN 之前，就已经有了域迁移模型，比如 Pix2Pix ，但是 Pix2Pix 要求训练数据必须是成对的，而现实生活中，要找到两个域（画风）中成对出现的图片是相当困难的，因此 CycleGAN 诞生了，它只需要两种域的数据，而不需要他们有严格对应关系，是一种新的无监督的图像迁移网络。
步骤
1.数据集
1.1数据集下载
1.2数据集加载
1.3可视化
2.构建生成器
3.构建判别器
4.优化器和损失函数
5.前向计算
6.计算梯度和反向传播
7.模型训练
8.模型推理
