尧图网页设计 
简介面向Python方向的毕业设计、课程作业与项目实战需求这套基于深度生成对抗网络GAN的图像修复模型提供了完整可运行的源码与文档说明。项目覆盖生成器与判别器搭建、损失函数定义、DCGAN训练流程以及图像缺失区域的补全推理适合计算机相关专业学生完成大作业或作为入门GAN项目的练习素材。压缩包共7个文件以6个Python脚本和1个Markdown说明文档为主脚本分别承担模型结构定义、训练流程与图像补全推理说明文档帮助快速理解项目结构整个压缩包仅12KB结构紧凑便于下载后直接阅读和本地调试。这套压缩包目前已有164人学习使用经导师指导并评审通过源码均经过本地编译调试可稳定运行。下载后可获得一套包含模型定义、训练脚本、修复演示与说明文档的完整项目方案对理解GAN在图像修复场景中的应用及Python工程组织方式均有参考价值。1. 图像修复为什么非GAN不可一个被小瑕疵逼出来的方向你手上有一张祖辈的合影中间一道折痕把脸劈成两半或者一张商品图被杂物遮住一角想卖给电商平台却怎么裁都裁不好。传统图像修复用的是扩散或纹理合成——从缺口边缘往内部“长”像素对付细线、小污点没问题一旦缺失区域超过几十像素结果就是一片模糊的糊状物。深度生成对抗网络gan的出现让这个场景发生了质变生成器能结合全局语义把“这里应该是一只眼睛”这类高层信息补出来而不是只盯着边缘做插值。带源码和文档说明的python实现核心价值就是让你能快速拿到一条可修改、可重训的完整链路——数据处理、掩码生成、模型训练、推理评估而不是陷在单篇论文的无尽复现里。这篇文章面向的是想真正把gan图像修复跑通、且愿意自己调参的人我会按自己拆这类源码的习惯把原理、代码和踩坑点一条条讲透。2. 生成对抗网络图像修复的原理与模型选型先看懂Loss再看源码2.1 从Context Encoder到LaMa修复模型的四代演变最早把深度学习用于图像修复的代表是2016年的Context Encoder思路很简单一个基于AlexNet的编码器把残缺图压缩成特征向量解码器再从这个向量重建整张图配合GAN判别器让重建结果“看起来真实”。它的短板在于固定尺寸输入、不支持任意形状掩码而且分辨率限制在128左右。第二代是Partial Convolution系列NVIDIA 2018核心改动是卷积层只对有效像素进行计算并把掩码作为输入通道一起更新。这样一来模型天然能处理任意形状、任意位置的掩码生成的边缘过渡自然了很多。很多开源python源码都跑到这一步。第三代是注意力机制的引入代表是GCAN和EdgeConnect。GCAN生成两个分支——一个负责粗糙补全一个负责精细纹理修复然后靠上下文注意力把已知区域的纹理“搬运”到缺失区域。EdgeConnect更特殊它把问题拆成两步先修复边缘图再在边缘引导下补全颜色纹理。第四代就是近几年的快速模型LaMa、Fire等。LaMa用傅里叶卷积替换普通卷积感受野直接拉满整个图像加上一个像素级的高分辨率损失能在50毫秒级出结果且对大掩码的抗崩坏能力很强。如果你拿到源码不确定自己属于哪一代先看卷积层和损失函数就能分清楚——修复网络的核心差异几乎都体现在这两处。2.2 生成器、判别器与损失函数怎么配三种常见组合的取舍GAN修复模型的训练本质上是一个多目标博弈生成器想把残缺图补得让判别器信以为真判别器则要精准识别哪里是补出来的。单拿图像重建的L2损失会得到模糊结果单拿对抗损失又容易产生纹理爆炸。实际源码里常见的损失组合有三种。组合生成器损失判别器损失适用场景训练成本基础版L1 局部对抗掩码区域对抗小掩码、快速验证低感知版L1 Perceptual 全局对抗全局对抗通用修复、人眼观感优先中高保真版L1 Perceptual Style 双判别器全局局部双判别器大面积缺失、老照片修复高基础版适合练手生成器直接吃“残缺图掩码”输出修复图判别器只看掩码区域。感知版是最推荐的默认起点L1保证结构Perceptual用VGG16中间层特征做比较保住语义细节全局对抗保证整体真实感。高保真版效果好但训练极不稳定一般配合谱归一化和梯度惩罚才能收敛新手容易被直接劝退。2.3 修复模型效果验证的四个指标PSNR、SSIM、L1、FID选哪几个源码里如果带验证脚本通常就是这四个指标。PSNR计算简单数值越高失真越小但它对结构信息不敏感两个 visually 完全不同的图可能有接近的PSNR。SSIM则模拟人眼对亮度、对比度、结构的感知修复任务里比PSNR更有参考价值。L1是生成器损失函数里也常用的那个度量直接算像素差绝对值好处是梯度平稳。FID专门用来评估GAN生成分布与真实分布的距离值越低越好。我的建议是发布或对比模型时同时报PSNR/SSIM/FID三个单独报任何一个都容易被挑毛病——PSNR好但FID差的模型往往是“像素级逼近但风格不对”这个组合问题在修复场景里经常翻车。下面这段是源码里最常见的感知损失实现我用PyTorch风格写函数返回L1与VGG感知损失的和import torch import torch.nn.functional as F from torchvision import models class PerceptualLoss(torch.nn.Module): def __init__(self): super().__init__() # 取VGG16前三个block的特征不参与梯度更新 vgg models.vgg16(weightsmodels.VGG16_Weights.IMAGENET1K_V1) self.blocks torch.nn.ModuleList([ vgg.features[:4], # conv1_2输出 vgg.features[4:9], # conv2_2输出 vgg.features[9:16], # conv3_3输出 ]) for p in self.blocks.parameters(): p.requires_grad False def forward(self, pred, target): loss 0.0 x_pred, x_target pred, target for block in self.blocks: x_pred block(x_pred) x_target block(x_target) loss F.l1_loss(x_pred, x_target) return loss这段代码把VGG16拆成三段对每一段输出的特征图都算L1距离。需要注意为什么不用VGG的最后一层最后一层特征过于抽象已经分辨不出像素级别的纹理差异起不到引导生成器补细节的作用。前几层特征在修复任务里更关键。另外代码里requires_grad False这一步别省。如果不冻结VGG反向传播会更新VGG的参数结果就是生成器学会了“用特征匹配欺骗特征提取器”图像结构的真实一致性反而不保证。我自己踩过这个坑花了一晚上才找到 loss 诡异下降但图越修越花的原因。2.4 为什么大多数开源源码选PatchGAN做判别器如果你翻开修复源码发现它的判别器前向输出不是单个数而是某个矩阵那多半是PatchGAN。它的原理是把图像切成多个小patch对每个patch独立判断真假最后对所有patch的判别结果取平均。PatchGAN对高分辨率图像尤其友好。整图判别器只输出一个概率很容易被大面积平滑区域骗过去而局部细节的真实感反而被忽略。PatchGAN强制判别器关注局部纹理的真实性这对图像修复来说正中要害——缺失区域补出来的纹理如果在局部尺度是合理的整体观感就不会太差。后面第4章写判别器代码时会一起给出来这里先明确一个选型结论分支任务不明确的源码优先用PatchGAN做判别器踩坑率最低。3. 把数据准备好图像裁剪、掩码生成与训练集划分源码里最容易忽略的三处3.1 目录组织与图片读入先解决“图片太大进不了显存”仓储类源码通常假设你已经有一批“正常图”训练时随机挖掉一块再让模型修复而不是真的准备了一堆带破损的图片。目录结构一般长这样data/ train/ 00001.jpg 00002.jpg val/ 00001.jpg图片读入有一个常见问题直接把原图塞进模型而原图尺寸往往在1000像素以上。生成器Encoder虽然有下采样层但显存开销依旧可能爆炸。安全做法是在Dataset类内部做一次中心裁剪或随机缩放import torch from torch.utils.data import Dataset from PIL import Image import torchvision.transforms as T class InpaintingDataset(Dataset): def __init__(self, root_dir, img_size256): self.paths sorted(glob.glob(root_dir /*.jpg)) self.img_size img_size self.transform T.Compose([ T.Resize((img_size, img_size)), T.ToTensor(), T.Normalize([0.5], [0.5]) # 单通道灰度图用RGB图要三个通道分别写 ]) def __len__(self): return len(self.paths) def __getitem__(self, idx): img Image.open(self.paths[idx]).convert(RGB) img self.transform(img) return img这里有两个参数值得细说。img_size256是修复任务最常驻的平衡点尺寸太小模型学不到细节尺寸太大2333的显存根本不够。我自己训练时先跑256模型稳定后再用同一个权重微调512。Normalize([0.5], [0.5])这种写法只适合灰度图RGB图要写Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])否则通道数不匹配会当场报错。更隐蔽的问题是normalize之后所有像素值都会变成[-1,1]范围这对应生成器输出层的Tanh激活函数后面推理时要把输出重新映射回[0,1]才能保存成图片。3.2 矩形掩码与不规则掩码的生成别一开始就上Brush掩码掩码决定了训练模型的能力边界。只训练矩形掩码模型遇到修长的不规则遮挡会手足无措只训练不规则掩码模型可能出现边缘收缩的问题。业界最常见的做法是两者混合。源码里的掩码通常以二值numpy数组表示1代表缺失区域0代表已知区域。最简单的矩形掩码生成方式import numpy as np def make_rect_mask(img_size256, max_ratio0.35): mask np.zeros((img_size, img_size), dtypenp.float32) h np.random.randint(img_size * 0.1, img_size * max_ratio) w np.random.randint(img_size * 0.1, img_size * max_ratio) y np.random.randint(0, img_size - h) x np.random.randint(0, img_size - w) mask[y:yh, x:xw] 1.0 return mask这个函数生成的遮罩占整图面积约10%~35%覆盖位置随机。max_ratio不建议超过0.4否则缺失面积太大生成器只能靠猜训练出来的结果会偏“幻觉”而非修复。不规则掩码的经典生成方式是模拟多段线条类似画笔涂抹的效果def make_brush_mask(img_size256, max_brush8): mask np.zeros((img_size, img_size), dtypenp.float32) for _ in range(np.random.randint(2, max_brush)): # 随机起点、随机方向、随机长度 y0, x0 np.random.randint(0, img_size, size2) angle np.random.uniform(0, 2 * np.pi) length np.random.randint(20, 120) width np.random.randint(2, 12) # 沿直线方向画粗线 for t in range(length): y int(y0 t * np.sin(angle)) x int(x0 t * np.cos(angle)) if 0 y img_size and 0 x img_size: cv2.circle(mask, (x, y), width, 1.0, thickness-1) return mask这段代码用OpenCV的circle函数模拟画笔每一笔都是一个随机方向、随机宽度的线段。max_brush控制笔画数笔画越多掩码越碎、面积越大。训练时我一般让每张图有50%概率使用矩形掩码、50%概率使用不规则掩码。注意掩码必须和图片在同一设备上、同一尺寸后续要concat成生成器的输入后面会用到。掩码生成也千万别固定随机种子否则每个epoch挖的洞都一样模型会过拟合到特定掩码位置。3.3 训练集/验证集划分与归一化细节mean/std不要随手写0.5仓库里如果已经给了划分脚本看看有没有用随机种子打乱。常见的坑是划分时用了带排序的文件名比如000001.jpg到001000.jpg按前800/后200切结果恰好像白天和黑夜的照片集中在不同区间训练集里全是白天、验证集全是黑夜验证loss一直震荡。更稳妥的做法是在读DataLoader之前显式做一次随机splitfrom sklearn.model_selection import train_test_split paths glob.glob(data/raw/*.jpg) train_paths, val_paths train_test_split(paths, test_size0.1, random_state42)random_state42是为了让每次复现划分一致。源码里如果没带这一步我就会补上不然没法公平地对比不同训练轮次的模型效果。归一化系数不要无脑照抄。ImageNet上常用的[0.485, 0.456, 0.406]是针对自然图像的统计均值适合一般照片修复如果数据集是医学影像或特殊的灰度图就得自己统计。源码里如果看到写死的均值建议先跑一小批数据核对一下我遇到过用ImageNet均值训练工业零件图整个色调偏蓝的问题排查了很久才发现是归一化没对齐。4. 从零跑通训练最小可复现的生成器、判别器与训练循环4.1 生成器UNet换掉普通卷积修复边界的正确姿势修复任务里几乎看不到纯Encoder-Decoder因为修复图需要保留原始图像的纹理细节而UNet的skip connection能把编码器的高分辨率特征直接传到解码器避免细节丢失。但普通UNet有它的坑——缺失区域的卷积特征会被“洞”污染训练慢且边缘修复看着像糊了一层雾。我常用的是UNet 掩码更新的做法每一层卷积之后特征图再乘以一个持续下采样的掩码版本让模型永远不把洞内无效特征继续向前传递。import torch.nn as nn class Generator(nn.Module): def __init__(self, in_ch4, base_ch64): super().__init__() # 输入是“RGB图掩码”四通道 self.enc1 nn.Sequential( nn.Conv2d(in_ch, base_ch, 4, 2, 1), nn.LeakyReLU(0.2, inplaceTrue)) self.enc2 nn.Sequential( nn.Conv2d(base_ch, base_ch*2, 4, 2, 1), nn.BatchNorm2d(base_ch*2), nn.LeakyReLU(0.2, inplaceTrue)) self.dec1 nn.Sequential( nn.ConvTranspose2d(base_ch*2, base_ch, 4, 2, 1), nn.BatchNorm2d(base_ch), nn.ReLU(inplaceTrue)) self.dec2 nn.Sequential( nn.ConvTranspose2d(base_ch*2, 3, 4, 2, 1), nn.Tanh()) # 输出范围[-1,1] self.up_mask nn.Upsample(scale_factor2, modenearest) def forward(self, img, mask): x torch.cat([img, mask], dim1) e1 self.enc1(x) e2 self.enc2(e1) d1 self.dec1(e2) d1 d1 * self.up_mask(mask) # 只保留已知区域特征 d2 self.dec2(torch.cat([d1, e1], dim1)) return d2这段代码里in_ch4是关键输入不是三通道RGB而是把掩码作为额外通道拼进去。生成器看到掩码之后才知道要修复哪个位置。mask在下采样之后尺寸会逐步减半所以在dec1之后我用up_mask把掩码放大回当前分辨率再乘到特征图上。这个操作的目的是确保编码器学到的已知区域特征不被缩小后的掩码误伤它本质上是Partial Convolution思想的简化版。生成器输出用Tanh是因为数据归一化到[-1,1]如果归一化时用的是ORIGINAL范围这里就要换成Sigmoid。这是源码里常见的“隐式约定”改数据归一化时最容易忘改这里不配对会导致loss起步就极高而且长时间降不下去。4.2 判别器PatchGAN为什么比整图判别更适合修复场景整图判别器给的是单一布尔判断容易忽略局部纹理的细节。PatchGAN 的核心是把输入切成多个小patch分别判断真假——我一般用70x70的receptive field版本性能好、内存开销适度。下面的判别器输入是“修复后的整图”或“原图”输出还是3D特征图最后一维的每个点代表该位置的patch真伪class PatchDiscriminator(nn.Module): def __init__(self, in_ch3, base_ch64): super().__init__() self.model nn.Sequential( nn.Conv2d(in_ch, base_ch, 4, 2, 1), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(base_ch, base_ch*2, 4, 2, 1), nn.BatchNorm2d(base_ch*2), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(base_ch*2, base_ch*4, 4, 2, 1), nn.BatchNorm2d(base_ch*4), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(base_ch*4, 1, 4, 1, 1) ) def forward(self, x): return self.model(x)最后那个卷积的stride1不是2是为了保留空间尺寸输出是 N×1×H×W 的patch评分图每个位置的值代表该区域是真图的置信度。实际loss计算用BCEWithLogitsLoss作用在这个评分图上。这里BatchNorm2d如果放在判别器最后一层前可能导致训练初期震荡厉害。我在调参时会把最后一个block的BN去掉换成普通的ConvLeakyReLU稳定感会好很多。这种小幅改动不影响整体架构但确实是我自己对比下来明显有效的细节。4.3 训练循环与超参数lr1e-4、BS4起手再谈优化训练GAN修复模型和训练普通分类网络感觉完全是两回事——要同时watch多个loss且稍有不慎就mode collapse。给一个最精简的循环模板import torch import torch.optim as optim from torch.autograd import Variable G Generator().cuda() D PatchDiscriminator().cuda() optG optim.Adam(G.parameters(), lr1e-4, betas(0.5, 0.999)) optD optim.Adam(D.parameters(), lr4e-4, betas(0.5, 0.999)) criterion torch.nn.BCEWithLogitsLoss() for epoch in range(200): for batch in dataloader: real_img batch.cuda() mask make_rect_mask().unsqueeze(0).cuda() masked_img real_img * (1 - mask) # 训练判别器 fake_img G(masked_img, mask) fake_img fake_img * mask masked_img * (1 - mask) # 已知区域回贴原图 pred_fake D(fake_img.detach()) pred_real D(real_img) lossD criterion(pred_fake, torch.zeros_like(pred_fake)) \ criterion(pred_real, torch.ones_like(pred_real)) optD.zero_grad() lossD.backward() optD.step() # 训练生成器 pred_fake D(fake_img) lossG_adv criterion(pred_fake, torch.ones_like(pred_fake)) lossG_l1 torch.nn.L1Loss()(fake_img, real_img) lossG lossG_adv 100 * lossG_l1 optG.zero_grad() lossG.backward() optG.step()四个参数需要特别说明。lr1e-4是生成器的学习率判别器用4e-4这符合“判别器带得更快”的经验——判别器如果跟不上生成器的进化速度对抗训练就会退化成一个自娱自乐的循环。betas(0.5, 0.999)是DCGAN系列论文里的标配设定默认Adam的betas(0.9, 0.999)在GAN训练里容易导致梯度震荡影响收敛稳定性。fake_img fake_img * mask masked_img * (1 - mask)这一行是修复任务和其他生成任务的关键区别——已知区域的像素是有标准答案的必须原样保留只要让生成器专注补缺失区域。100 * lossG_l1里的权重需要根据你的数据调整太小会让修复区域模糊太大会让对抗训练名存实亡。我自己测试的经验是50~150这个区间边调边看生成区域纹理浮在表面上比对loss数值更可靠。4.4 断点续训与日志省一晚上的后悔药训练跑到第40轮机器断电如果没做断点续训前面三天的算力就彻底打水漂。标准做法是把Generator、Discriminator、optimizer状态、当前epoch和随机种子一起存下来torch.save({ g: G.state_dict(), d: D.state_dict(), opt_g: optG.state_dict(), opt_d: optD.state_dict(), epoch: epoch, rng_state: torch.get_rng_state(), }, checkpoint.pth)恢复时倒序加载把每个对象注入对应模型即可ckpt torch.load(checkpoint.pth) G.load_state_dict(ckpt[g]) D.load_state_dict(ckpt[d]) optG.load_state_dict(ckpt[opt_g]) optD.load_state_dict(ckpt[opt_d]) epoch_start ckpt[epoch] 1有两个细节容易被忽略。其一是torch.get_rng_state最好也保存否则后续数据增强的随机性无法复现同一份源码两次训练出来可能差很远。其二是加载optimizer状态后建议少调一次学习率因为Adam的动量信息是累计在state里的直接改lr会让之前momentum的状态和新的lr不匹配模型可能要花几百步才能“缓过来”。5. 避坑清单GAN图像修复最容易翻车的5个问题5.1 棋盘伪影生成器输出像蒙了一层网格现象修复区域有明显的格子状纹理尤其在渐变平滑的地方肉眼可辨。原因转置卷积的kernel size不是偶数导致重叠不平整尤其是kernel4、stride2这种配置最容易出现交错叠影。解决把生成器里所有ConvTranspose2d换成“Upsample Conv2d”组合。上采样的插值方式用nearest然后接一个普通卷积做特征学习这样能彻底消除棋盘伪影。如果不想改动网络结构另一种妥协是用kernel3、stride1的分步上采样。5.2 修复区域一片发灰判别器太强而生成器跟不上现象loss看起来在下降但修复区域颜色趋同像打了马赛克的灰色块。原因生成器面对过于强大的判别器时选择了保守策略——输出接近均值的结果因为这种输出的平均损失最小但判别器能轻易识别成fake于是进入“生成器摆烂、对抗loss震荡”的恶性循环。解决先调低判别器学习率到生成器的1/4比如G2e-4D5e-5。同时把lossG_l1的权重提高用强L1把生成器“拽”回清晰解附近。还有一种快速验证手段把BatchNorm换成InstanceNorm某些数据集上BN会使颜色偏移换成IN之后发灰问题直接消失。5.3 掩码边缘生硬修复区域和原图像是两张图拼起来的现象修复大体合理但边缘一圈有明显割裂放大看有白边或黑边。原因模型只在掩码内生成训练时mask是一个硬0/1边界没有对边缘做平滑过渡。解决训练时对mask随机做一个小半径的膨胀和腐蚀让掩码边缘抖动或者对mask做高斯模糊后参与计算。更简单的方式是给掩码边缘区域额外加一个边缘loss先提取原图的边缘再对修复图的边缘求L1距离。前提是你源码里有边缘特征提取的模块EdgeConnect那套结构天然带这个模块普通UNet可以先用模糊平滑mask顶住。5.4 Generator Loss居高不下D Loss却快速归零现象训练刚开始几百步判别器loss就接近0且不回升生成器loss却越走越高。原因判别器学得太快直接把生成样本和真实样本的特征空间完全分开了生成器接收到的是几乎为0的更新梯度动弹不得。解决用label smoothing。把真实样本的标签从1改成0.9~0.95让判别器即使“猜对了”也得不到满分保留一定的梯度信息给生成器。另一个选择是固定判别器不训练几百步让生成器先单独用L1损失收敛一波再开启对抗训练。这个“预热”操作见效很快强烈建议第一次跑项目时安排上。5.5 颜色整体偏移修复区域色相偏紫或偏蓝现象语义结构修复对了但颜色明显和环境不符人眼一眼发现异常。原因最常见的是模型用了近似特征匹配却在不同色彩空间之间做变换时发生了浮点误差。也可能是归一化均值和数据本身不匹配尤其是灰度图用了三通道均值归一化。解决先在推理端检查归一化和反归一化是否配对如果确认无误把判别器输入从RGB改成RGBYUV把YUV各通道concat进去颜色一致性会显著提升。这个技巧在部分老照片修复源码里是默认选项但普通UNet源码里很少见属于性价比很高的增强。6. 让修复结果再上一个台阶掩码迭代与图像金字塔推理很多人在第4章训练跑通之后就觉得完事了但直接拿训练好的模型去修一张1K分辨率的大图往往会发现修复结果发虚、细节糊。原因很简单模型训练在256分辨率下上采样到1K之后高频信息根本不存在。这里有一个不需要重新训练的技巧——把推理过程改成分阶段迭代。def iterative_inpaint(model, img, mask, steps4): # img: 1x3xHxW, 数值范围[-1,1] cur_img img.clone() cur_mask mask.clone() for _ in range(steps): # 对图像做下采样修复再上采样回来 with torch.no_grad(): out model(cur_img, cur_mask) # 只替换掩码中心区域边缘留一点缓冲 refined_mask torch.nn.functional.max_pool2d( cur_mask, kernel_size3, stride1, padding1) cur_img out * refined_mask cur_img * (1 - refined_mask) cur_mask refined_mask return cur_img原理是通过多次迭代、每次只修一小圈的方式逐层收缩掩码。第一次迭代负责修复大轮廓之后的迭代误差梯度会被慢慢消减纹理细节越到后面越清晰。max_pool2d在这里的作用是把掩码“膨胀”一圈让每一次修复都从已知区域延伸进去。这种方法对大掩码的修复效果提升比较明显唯一的代价就是推理时间按步数线性增长。另外一个常用技巧是图像金字塔推理把整图缩放到512、再缩到256分别跑一次修复把256的修复结果上采样回到512作为初始参考最后在512上再精修一次。这种做法在处理高清老照片时比直接跑原图更稳定因为模型在高分辨率上只要补细节不需要重新构想全局结构。这些技巧的共同点是它们都没改动训练代码只是改变了推理的输入输出交互方式。如果你在源码基础上想继续做提升这是性价比最高的一步。最后分享一个我的个人习惯每次训练完都会留一批固定的“难例图”大掩码、纹理复杂、光照异常只在这批图上评估模型更新效果单纯盯loss变化容易自欺欺人。忠实复现这条链路少则三五天多则两周就能把GAN图像修复的每个环节摸到实感。希望这条路线对你有帮助也欢迎把你跑通过程中踩到的新坑记下来——每多一个人记录后面的复现者就能少加一次班。本文还有配套的精品资源点击获取 GAN图像修复实战指南：从原理到PyTorch源码解析
简介面向Python方向的毕业设计、课程作业与项目实战需求这套基于深度生成对抗网络GAN的图像修复模型提供了完整可运行的源码与文档说明。项目覆盖生成器与判别器搭建、损失函数定义、DCGAN训练流程以及图像缺失区域的补全推理适合计算机相关专业学生完成大作业或作为入门GAN项目的练习素材。压缩包共7个文件以6个Python脚本和1个Markdown说明文档为主脚本分别承担模型结构定义、训练流程与图像补全推理说明文档帮助快速理解项目结构整个压缩包仅12KB结构紧凑便于下载后直接阅读和本地调试。这套压缩包目前已有164人学习使用经导师指导并评审通过源码均经过本地编译调试可稳定运行。下载后可获得一套包含模型定义、训练脚本、修复演示与说明文档的完整项目方案对理解GAN在图像修复场景中的应用及Python工程组织方式均有参考价值。1. 图像修复为什么非GAN不可一个被小瑕疵逼出来的方向你手上有一张祖辈的合影中间一道折痕把脸劈成两半或者一张商品图被杂物遮住一角想卖给电商平台却怎么裁都裁不好。传统图像修复用的是扩散或纹理合成——从缺口边缘往内部“长”像素对付细线、小污点没问题一旦缺失区域超过几十像素结果就是一片模糊的糊状物。深度生成对抗网络gan的出现让这个场景发生了质变生成器能结合全局语义把“这里应该是一只眼睛”这类高层信息补出来而不是只盯着边缘做插值。带源码和文档说明的python实现核心价值就是让你能快速拿到一条可修改、可重训的完整链路——数据处理、掩码生成、模型训练、推理评估而不是陷在单篇论文的无尽复现里。这篇文章面向的是想真正把gan图像修复跑通、且愿意自己调参的人我会按自己拆这类源码的习惯把原理、代码和踩坑点一条条讲透。2. 生成对抗网络图像修复的原理与模型选型先看懂Loss再看源码2.1 从Context Encoder到LaMa修复模型的四代演变最早把深度学习用于图像修复的代表是2016年的Context Encoder思路很简单一个基于AlexNet的编码器把残缺图压缩成特征向量解码器再从这个向量重建整张图配合GAN判别器让重建结果“看起来真实”。它的短板在于固定尺寸输入、不支持任意形状掩码而且分辨率限制在128左右。第二代是Partial Convolution系列NVIDIA 2018核心改动是卷积层只对有效像素进行计算并把掩码作为输入通道一起更新。这样一来模型天然能处理任意形状、任意位置的掩码生成的边缘过渡自然了很多。很多开源python源码都跑到这一步。第三代是注意力机制的引入代表是GCAN和EdgeConnect。GCAN生成两个分支——一个负责粗糙补全一个负责精细纹理修复然后靠上下文注意力把已知区域的纹理“搬运”到缺失区域。EdgeConnect更特殊它把问题拆成两步先修复边缘图再在边缘引导下补全颜色纹理。第四代就是近几年的快速模型LaMa、Fire等。LaMa用傅里叶卷积替换普通卷积感受野直接拉满整个图像加上一个像素级的高分辨率损失能在50毫秒级出结果且对大掩码的抗崩坏能力很强。如果你拿到源码不确定自己属于哪一代先看卷积层和损失函数就能分清楚——修复网络的核心差异几乎都体现在这两处。2.2 生成器、判别器与损失函数怎么配三种常见组合的取舍GAN修复模型的训练本质上是一个多目标博弈生成器想把残缺图补得让判别器信以为真判别器则要精准识别哪里是补出来的。单拿图像重建的L2损失会得到模糊结果单拿对抗损失又容易产生纹理爆炸。实际源码里常见的损失组合有三种。组合生成器损失判别器损失适用场景训练成本基础版L1 局部对抗掩码区域对抗小掩码、快速验证低感知版L1 Perceptual 全局对抗全局对抗通用修复、人眼观感优先中高保真版L1 Perceptual Style 双判别器全局局部双判别器大面积缺失、老照片修复高基础版适合练手生成器直接吃“残缺图掩码”输出修复图判别器只看掩码区域。感知版是最推荐的默认起点L1保证结构Perceptual用VGG16中间层特征做比较保住语义细节全局对抗保证整体真实感。高保真版效果好但训练极不稳定一般配合谱归一化和梯度惩罚才能收敛新手容易被直接劝退。2.3 修复模型效果验证的四个指标PSNR、SSIM、L1、FID选哪几个源码里如果带验证脚本通常就是这四个指标。PSNR计算简单数值越高失真越小但它对结构信息不敏感两个 visually 完全不同的图可能有接近的PSNR。SSIM则模拟人眼对亮度、对比度、结构的感知修复任务里比PSNR更有参考价值。L1是生成器损失函数里也常用的那个度量直接算像素差绝对值好处是梯度平稳。FID专门用来评估GAN生成分布与真实分布的距离值越低越好。我的建议是发布或对比模型时同时报PSNR/SSIM/FID三个单独报任何一个都容易被挑毛病——PSNR好但FID差的模型往往是“像素级逼近但风格不对”这个组合问题在修复场景里经常翻车。下面这段是源码里最常见的感知损失实现我用PyTorch风格写函数返回L1与VGG感知损失的和import torch import torch.nn.functional as F from torchvision import models class PerceptualLoss(torch.nn.Module): def __init__(self): super().__init__() # 取VGG16前三个block的特征不参与梯度更新 vgg models.vgg16(weightsmodels.VGG16_Weights.IMAGENET1K_V1) self.blocks torch.nn.ModuleList([ vgg.features[:4], # conv1_2输出 vgg.features[4:9], # conv2_2输出 vgg.features[9:16], # conv3_3输出 ]) for p in self.blocks.parameters(): p.requires_grad False def forward(self, pred, target): loss 0.0 x_pred, x_target pred, target for block in self.blocks: x_pred block(x_pred) x_target block(x_target) loss F.l1_loss(x_pred, x_target) return loss这段代码把VGG16拆成三段对每一段输出的特征图都算L1距离。需要注意为什么不用VGG的最后一层最后一层特征过于抽象已经分辨不出像素级别的纹理差异起不到引导生成器补细节的作用。前几层特征在修复任务里更关键。另外代码里requires_grad False这一步别省。如果不冻结VGG反向传播会更新VGG的参数结果就是生成器学会了“用特征匹配欺骗特征提取器”图像结构的真实一致性反而不保证。我自己踩过这个坑花了一晚上才找到 loss 诡异下降但图越修越花的原因。2.4 为什么大多数开源源码选PatchGAN做判别器如果你翻开修复源码发现它的判别器前向输出不是单个数而是某个矩阵那多半是PatchGAN。它的原理是把图像切成多个小patch对每个patch独立判断真假最后对所有patch的判别结果取平均。PatchGAN对高分辨率图像尤其友好。整图判别器只输出一个概率很容易被大面积平滑区域骗过去而局部细节的真实感反而被忽略。PatchGAN强制判别器关注局部纹理的真实性这对图像修复来说正中要害——缺失区域补出来的纹理如果在局部尺度是合理的整体观感就不会太差。后面第4章写判别器代码时会一起给出来这里先明确一个选型结论分支任务不明确的源码优先用PatchGAN做判别器踩坑率最低。3. 把数据准备好图像裁剪、掩码生成与训练集划分源码里最容易忽略的三处3.1 目录组织与图片读入先解决“图片太大进不了显存”仓储类源码通常假设你已经有一批“正常图”训练时随机挖掉一块再让模型修复而不是真的准备了一堆带破损的图片。目录结构一般长这样data/ train/ 00001.jpg 00002.jpg val/ 00001.jpg图片读入有一个常见问题直接把原图塞进模型而原图尺寸往往在1000像素以上。生成器Encoder虽然有下采样层但显存开销依旧可能爆炸。安全做法是在Dataset类内部做一次中心裁剪或随机缩放import torch from torch.utils.data import Dataset from PIL import Image import torchvision.transforms as T class InpaintingDataset(Dataset): def __init__(self, root_dir, img_size256): self.paths sorted(glob.glob(root_dir /*.jpg)) self.img_size img_size self.transform T.Compose([ T.Resize((img_size, img_size)), T.ToTensor(), T.Normalize([0.5], [0.5]) # 单通道灰度图用RGB图要三个通道分别写 ]) def __len__(self): return len(self.paths) def __getitem__(self, idx): img Image.open(self.paths[idx]).convert(RGB) img self.transform(img) return img这里有两个参数值得细说。img_size256是修复任务最常驻的平衡点尺寸太小模型学不到细节尺寸太大2333的显存根本不够。我自己训练时先跑256模型稳定后再用同一个权重微调512。Normalize([0.5], [0.5])这种写法只适合灰度图RGB图要写Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])否则通道数不匹配会当场报错。更隐蔽的问题是normalize之后所有像素值都会变成[-1,1]范围这对应生成器输出层的Tanh激活函数后面推理时要把输出重新映射回[0,1]才能保存成图片。3.2 矩形掩码与不规则掩码的生成别一开始就上Brush掩码掩码决定了训练模型的能力边界。只训练矩形掩码模型遇到修长的不规则遮挡会手足无措只训练不规则掩码模型可能出现边缘收缩的问题。业界最常见的做法是两者混合。源码里的掩码通常以二值numpy数组表示1代表缺失区域0代表已知区域。最简单的矩形掩码生成方式import numpy as np def make_rect_mask(img_size256, max_ratio0.35): mask np.zeros((img_size, img_size), dtypenp.float32) h np.random.randint(img_size * 0.1, img_size * max_ratio) w np.random.randint(img_size * 0.1, img_size * max_ratio) y np.random.randint(0, img_size - h) x np.random.randint(0, img_size - w) mask[y:yh, x:xw] 1.0 return mask这个函数生成的遮罩占整图面积约10%~35%覆盖位置随机。max_ratio不建议超过0.4否则缺失面积太大生成器只能靠猜训练出来的结果会偏“幻觉”而非修复。不规则掩码的经典生成方式是模拟多段线条类似画笔涂抹的效果def make_brush_mask(img_size256, max_brush8): mask np.zeros((img_size, img_size), dtypenp.float32) for _ in range(np.random.randint(2, max_brush)): # 随机起点、随机方向、随机长度 y0, x0 np.random.randint(0, img_size, size2) angle np.random.uniform(0, 2 * np.pi) length np.random.randint(20, 120) width np.random.randint(2, 12) # 沿直线方向画粗线 for t in range(length): y int(y0 t * np.sin(angle)) x int(x0 t * np.cos(angle)) if 0 y img_size and 0 x img_size: cv2.circle(mask, (x, y), width, 1.0, thickness-1) return mask这段代码用OpenCV的circle函数模拟画笔每一笔都是一个随机方向、随机宽度的线段。max_brush控制笔画数笔画越多掩码越碎、面积越大。训练时我一般让每张图有50%概率使用矩形掩码、50%概率使用不规则掩码。注意掩码必须和图片在同一设备上、同一尺寸后续要concat成生成器的输入后面会用到。掩码生成也千万别固定随机种子否则每个epoch挖的洞都一样模型会过拟合到特定掩码位置。3.3 训练集/验证集划分与归一化细节mean/std不要随手写0.5仓库里如果已经给了划分脚本看看有没有用随机种子打乱。常见的坑是划分时用了带排序的文件名比如000001.jpg到001000.jpg按前800/后200切结果恰好像白天和黑夜的照片集中在不同区间训练集里全是白天、验证集全是黑夜验证loss一直震荡。更稳妥的做法是在读DataLoader之前显式做一次随机splitfrom sklearn.model_selection import train_test_split paths glob.glob(data/raw/*.jpg) train_paths, val_paths train_test_split(paths, test_size0.1, random_state42)random_state42是为了让每次复现划分一致。源码里如果没带这一步我就会补上不然没法公平地对比不同训练轮次的模型效果。归一化系数不要无脑照抄。ImageNet上常用的[0.485, 0.456, 0.406]是针对自然图像的统计均值适合一般照片修复如果数据集是医学影像或特殊的灰度图就得自己统计。源码里如果看到写死的均值建议先跑一小批数据核对一下我遇到过用ImageNet均值训练工业零件图整个色调偏蓝的问题排查了很久才发现是归一化没对齐。4. 从零跑通训练最小可复现的生成器、判别器与训练循环4.1 生成器UNet换掉普通卷积修复边界的正确姿势修复任务里几乎看不到纯Encoder-Decoder因为修复图需要保留原始图像的纹理细节而UNet的skip connection能把编码器的高分辨率特征直接传到解码器避免细节丢失。但普通UNet有它的坑——缺失区域的卷积特征会被“洞”污染训练慢且边缘修复看着像糊了一层雾。我常用的是UNet 掩码更新的做法每一层卷积之后特征图再乘以一个持续下采样的掩码版本让模型永远不把洞内无效特征继续向前传递。import torch.nn as nn class Generator(nn.Module): def __init__(self, in_ch4, base_ch64): super().__init__() # 输入是“RGB图掩码”四通道 self.enc1 nn.Sequential( nn.Conv2d(in_ch, base_ch, 4, 2, 1), nn.LeakyReLU(0.2, inplaceTrue)) self.enc2 nn.Sequential( nn.Conv2d(base_ch, base_ch*2, 4, 2, 1), nn.BatchNorm2d(base_ch*2), nn.LeakyReLU(0.2, inplaceTrue)) self.dec1 nn.Sequential( nn.ConvTranspose2d(base_ch*2, base_ch, 4, 2, 1), nn.BatchNorm2d(base_ch), nn.ReLU(inplaceTrue)) self.dec2 nn.Sequential( nn.ConvTranspose2d(base_ch*2, 3, 4, 2, 1), nn.Tanh()) # 输出范围[-1,1] self.up_mask nn.Upsample(scale_factor2, modenearest) def forward(self, img, mask): x torch.cat([img, mask], dim1) e1 self.enc1(x) e2 self.enc2(e1) d1 self.dec1(e2) d1 d1 * self.up_mask(mask) # 只保留已知区域特征 d2 self.dec2(torch.cat([d1, e1], dim1)) return d2这段代码里in_ch4是关键输入不是三通道RGB而是把掩码作为额外通道拼进去。生成器看到掩码之后才知道要修复哪个位置。mask在下采样之后尺寸会逐步减半所以在dec1之后我用up_mask把掩码放大回当前分辨率再乘到特征图上。这个操作的目的是确保编码器学到的已知区域特征不被缩小后的掩码误伤它本质上是Partial Convolution思想的简化版。生成器输出用Tanh是因为数据归一化到[-1,1]如果归一化时用的是ORIGINAL范围这里就要换成Sigmoid。这是源码里常见的“隐式约定”改数据归一化时最容易忘改这里不配对会导致loss起步就极高而且长时间降不下去。4.2 判别器PatchGAN为什么比整图判别更适合修复场景整图判别器给的是单一布尔判断容易忽略局部纹理的细节。PatchGAN 的核心是把输入切成多个小patch分别判断真假——我一般用70x70的receptive field版本性能好、内存开销适度。下面的判别器输入是“修复后的整图”或“原图”输出还是3D特征图最后一维的每个点代表该位置的patch真伪class PatchDiscriminator(nn.Module): def __init__(self, in_ch3, base_ch64): super().__init__() self.model nn.Sequential( nn.Conv2d(in_ch, base_ch, 4, 2, 1), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(base_ch, base_ch*2, 4, 2, 1), nn.BatchNorm2d(base_ch*2), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(base_ch*2, base_ch*4, 4, 2, 1), nn.BatchNorm2d(base_ch*4), nn.LeakyReLU(0.2, inplaceTrue), nn.Conv2d(base_ch*4, 1, 4, 1, 1) ) def forward(self, x): return self.model(x)最后那个卷积的stride1不是2是为了保留空间尺寸输出是 N×1×H×W 的patch评分图每个位置的值代表该区域是真图的置信度。实际loss计算用BCEWithLogitsLoss作用在这个评分图上。这里BatchNorm2d如果放在判别器最后一层前可能导致训练初期震荡厉害。我在调参时会把最后一个block的BN去掉换成普通的ConvLeakyReLU稳定感会好很多。这种小幅改动不影响整体架构但确实是我自己对比下来明显有效的细节。4.3 训练循环与超参数lr1e-4、BS4起手再谈优化训练GAN修复模型和训练普通分类网络感觉完全是两回事——要同时watch多个loss且稍有不慎就mode collapse。给一个最精简的循环模板import torch import torch.optim as optim from torch.autograd import Variable G Generator().cuda() D PatchDiscriminator().cuda() optG optim.Adam(G.parameters(), lr1e-4, betas(0.5, 0.999)) optD optim.Adam(D.parameters(), lr4e-4, betas(0.5, 0.999)) criterion torch.nn.BCEWithLogitsLoss() for epoch in range(200): for batch in dataloader: real_img batch.cuda() mask make_rect_mask().unsqueeze(0).cuda() masked_img real_img * (1 - mask) # 训练判别器 fake_img G(masked_img, mask) fake_img fake_img * mask masked_img * (1 - mask) # 已知区域回贴原图 pred_fake D(fake_img.detach()) pred_real D(real_img) lossD criterion(pred_fake, torch.zeros_like(pred_fake)) \ criterion(pred_real, torch.ones_like(pred_real)) optD.zero_grad() lossD.backward() optD.step() # 训练生成器 pred_fake D(fake_img) lossG_adv criterion(pred_fake, torch.ones_like(pred_fake)) lossG_l1 torch.nn.L1Loss()(fake_img, real_img) lossG lossG_adv 100 * lossG_l1 optG.zero_grad() lossG.backward() optG.step()四个参数需要特别说明。lr1e-4是生成器的学习率判别器用4e-4这符合“判别器带得更快”的经验——判别器如果跟不上生成器的进化速度对抗训练就会退化成一个自娱自乐的循环。betas(0.5, 0.999)是DCGAN系列论文里的标配设定默认Adam的betas(0.9, 0.999)在GAN训练里容易导致梯度震荡影响收敛稳定性。fake_img fake_img * mask masked_img * (1 - mask)这一行是修复任务和其他生成任务的关键区别——已知区域的像素是有标准答案的必须原样保留只要让生成器专注补缺失区域。100 * lossG_l1里的权重需要根据你的数据调整太小会让修复区域模糊太大会让对抗训练名存实亡。我自己测试的经验是50~150这个区间边调边看生成区域纹理浮在表面上比对loss数值更可靠。4.4 断点续训与日志省一晚上的后悔药训练跑到第40轮机器断电如果没做断点续训前面三天的算力就彻底打水漂。标准做法是把Generator、Discriminator、optimizer状态、当前epoch和随机种子一起存下来torch.save({ g: G.state_dict(), d: D.state_dict(), opt_g: optG.state_dict(), opt_d: optD.state_dict(), epoch: epoch, rng_state: torch.get_rng_state(), }, checkpoint.pth)恢复时倒序加载把每个对象注入对应模型即可ckpt torch.load(checkpoint.pth) G.load_state_dict(ckpt[g]) D.load_state_dict(ckpt[d]) optG.load_state_dict(ckpt[opt_g]) optD.load_state_dict(ckpt[opt_d]) epoch_start ckpt[epoch] 1有两个细节容易被忽略。其一是torch.get_rng_state最好也保存否则后续数据增强的随机性无法复现同一份源码两次训练出来可能差很远。其二是加载optimizer状态后建议少调一次学习率因为Adam的动量信息是累计在state里的直接改lr会让之前momentum的状态和新的lr不匹配模型可能要花几百步才能“缓过来”。5. 避坑清单GAN图像修复最容易翻车的5个问题5.1 棋盘伪影生成器输出像蒙了一层网格现象修复区域有明显的格子状纹理尤其在渐变平滑的地方肉眼可辨。原因转置卷积的kernel size不是偶数导致重叠不平整尤其是kernel4、stride2这种配置最容易出现交错叠影。解决把生成器里所有ConvTranspose2d换成“Upsample Conv2d”组合。上采样的插值方式用nearest然后接一个普通卷积做特征学习这样能彻底消除棋盘伪影。如果不想改动网络结构另一种妥协是用kernel3、stride1的分步上采样。5.2 修复区域一片发灰判别器太强而生成器跟不上现象loss看起来在下降但修复区域颜色趋同像打了马赛克的灰色块。原因生成器面对过于强大的判别器时选择了保守策略——输出接近均值的结果因为这种输出的平均损失最小但判别器能轻易识别成fake于是进入“生成器摆烂、对抗loss震荡”的恶性循环。解决先调低判别器学习率到生成器的1/4比如G2e-4D5e-5。同时把lossG_l1的权重提高用强L1把生成器“拽”回清晰解附近。还有一种快速验证手段把BatchNorm换成InstanceNorm某些数据集上BN会使颜色偏移换成IN之后发灰问题直接消失。5.3 掩码边缘生硬修复区域和原图像是两张图拼起来的现象修复大体合理但边缘一圈有明显割裂放大看有白边或黑边。原因模型只在掩码内生成训练时mask是一个硬0/1边界没有对边缘做平滑过渡。解决训练时对mask随机做一个小半径的膨胀和腐蚀让掩码边缘抖动或者对mask做高斯模糊后参与计算。更简单的方式是给掩码边缘区域额外加一个边缘loss先提取原图的边缘再对修复图的边缘求L1距离。前提是你源码里有边缘特征提取的模块EdgeConnect那套结构天然带这个模块普通UNet可以先用模糊平滑mask顶住。5.4 Generator Loss居高不下D Loss却快速归零现象训练刚开始几百步判别器loss就接近0且不回升生成器loss却越走越高。原因判别器学得太快直接把生成样本和真实样本的特征空间完全分开了生成器接收到的是几乎为0的更新梯度动弹不得。解决用label smoothing。把真实样本的标签从1改成0.9~0.95让判别器即使“猜对了”也得不到满分保留一定的梯度信息给生成器。另一个选择是固定判别器不训练几百步让生成器先单独用L1损失收敛一波再开启对抗训练。这个“预热”操作见效很快强烈建议第一次跑项目时安排上。5.5 颜色整体偏移修复区域色相偏紫或偏蓝现象语义结构修复对了但颜色明显和环境不符人眼一眼发现异常。原因最常见的是模型用了近似特征匹配却在不同色彩空间之间做变换时发生了浮点误差。也可能是归一化均值和数据本身不匹配尤其是灰度图用了三通道均值归一化。解决先在推理端检查归一化和反归一化是否配对如果确认无误把判别器输入从RGB改成RGBYUV把YUV各通道concat进去颜色一致性会显著提升。这个技巧在部分老照片修复源码里是默认选项但普通UNet源码里很少见属于性价比很高的增强。6. 让修复结果再上一个台阶掩码迭代与图像金字塔推理很多人在第4章训练跑通之后就觉得完事了但直接拿训练好的模型去修一张1K分辨率的大图往往会发现修复结果发虚、细节糊。原因很简单模型训练在256分辨率下上采样到1K之后高频信息根本不存在。这里有一个不需要重新训练的技巧——把推理过程改成分阶段迭代。def iterative_inpaint(model, img, mask, steps4): # img: 1x3xHxW, 数值范围[-1,1] cur_img img.clone() cur_mask mask.clone() for _ in range(steps): # 对图像做下采样修复再上采样回来 with torch.no_grad(): out model(cur_img, cur_mask) # 只替换掩码中心区域边缘留一点缓冲 refined_mask torch.nn.functional.max_pool2d( cur_mask, kernel_size3, stride1, padding1) cur_img out * refined_mask cur_img * (1 - refined_mask) cur_mask refined_mask return cur_img原理是通过多次迭代、每次只修一小圈的方式逐层收缩掩码。第一次迭代负责修复大轮廓之后的迭代误差梯度会被慢慢消减纹理细节越到后面越清晰。max_pool2d在这里的作用是把掩码“膨胀”一圈让每一次修复都从已知区域延伸进去。这种方法对大掩码的修复效果提升比较明显唯一的代价就是推理时间按步数线性增长。另外一个常用技巧是图像金字塔推理把整图缩放到512、再缩到256分别跑一次修复把256的修复结果上采样回到512作为初始参考最后在512上再精修一次。这种做法在处理高清老照片时比直接跑原图更稳定因为模型在高分辨率上只要补细节不需要重新构想全局结构。这些技巧的共同点是它们都没改动训练代码只是改变了推理的输入输出交互方式。如果你在源码基础上想继续做提升这是性价比最高的一步。最后分享一个我的个人习惯每次训练完都会留一批固定的“难例图”大掩码、纹理复杂、光照异常只在这批图上评估模型更新效果单纯盯loss变化容易自欺欺人。忠实复现这条链路少则三五天多则两周就能把GAN图像修复的每个环节摸到实感。希望这条路线对你有帮助也欢迎把你跑通过程中踩到的新坑记下来——每多一个人记录后面的复现者就能少加一次班。本文还有配套的精品资源点击获取