Pix2Pix的PyTorch实现：适用于多种数据集的解决方案

简介：
本项目提供了Pix2Pix模型在PyTorch框架下的高效实现，支持多样化的数据集，并为图像到图像翻译任务提供强大的解决方案。 PyTorch-pix2pix 是 pix2pix 的 Pytorch 实现版本。以下是几个数据集的训练详情： - Cityscapes 数据集中包含 2,975 张训练图像，经过了 200 轮训练，每批大小为 1，并且反序设置为真。 - 真实外墙数据集有 400 张图片用于训练，在进行了为期 200 的周期后完成。同样地，每个批次的大小是 1，而反序也设为了真。 - 对于真实地图数据集来说，则拥有 1,096 幅图像作为其训练素材，并且在完成了两百轮循环之后结束。每批处理一个样本并且也是按照正向顺序进行操作。 - Edge2shoes 数据集中有大约5万张图片，经过了为期十五的周期后完成，每个批次包含四个样本，并设为反序模式。 - 而对于Edge2handbags数据集来说，则拥有137,000多张训练图像，在完成了为期十五个循环之后结束。同样地，每批处理四个样本并且也是按照正向顺序进行操作。 在完成Cityscapes和真实外墙两个任务后所得到的结果如下： - Cityscapes：经过了200轮的训练后，第一列是输入图象、第二列为输出结果以及第三列为基本事实。 - 学习时间方面，在处理城市景观数据集时，pix2pix 平均每个周期耗时 332.08 秒；整个过程共花费约66,846.58秒。