在关于原理里面已经讲了adversial 这个东西的原理以及流程，
这个算法本身没什么吸引，美妙的地方在于他的训练流程！
这个篇章着重讲如何跑通一个GAN的代码－－－这里特指cyclegan
1 下载代码：
https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/
从这里下载代码，然后按照redeme配置环境即可
２配置环境：
1 python3.6
2 torch必须是0.4.0
３下载数据集，按照reame,没问题
在我顺利跑通前，会遇到一个意想不到的错误：
WARNING:root:Setting up a new session...
这个错误是因为我的display(可视化)有些问题，目前解决方式是干脆不要可视化了，
train.py里面把关于visualizer的一切都注释掉！
test的时候，遇到了一个问题，在我把visualizer注释掉之后，生成图片遇到了问题
此时我进行了几个操作
１把tensor转为image
2 image.save
具体代码如下：
其中visuals是一个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
接下来是换数据集，
换数据集要做到一点：domian a 与domain b之间的差距不能太大，
比如如果domain a 是汽车，domian b是房子，这样什么也学不到
所以最好的就是domian a 是普通的马，domian b是斑马