写在前面

🍀windows环境下运行：【用于图像修复、数据增强等】结合官方代码教程，在Windows 10下运行pix2pix-tensorflow（tensorflow==1.4.0 python=3.6）
AutoDL使用教程：AutoDL使用教程：1）创建实例 2）配置环境+上传数据 3）PyCharm2021.3专业版下载安装与远程连接完整步骤

1. 租用实例时基础镜像的选择

在这里插入图片描述

2. 配置环境

点击进入JupyterLab

在这里插入图片描述

进入终端

在这里插入图片描述

编辑文件+刷新，使得能使用conda，以进行后续的环境配置

输入：vim ~/.bashrc
开始进行编辑：输入i
移动到文件的最后一行，加上source /root/miniconda3/etc/profile.d/conda.sh
保存并退出：按Esc键，输入:wq，再回车
输入bash重启终端（即，刷新一下）

在这里插入图片描述

进入环境：conda activate base
创建新环境：conda create -n tf1.4 python=3.6
进入新环境，输入：conda activate tf1.4
安装tensorflow-gpu==1.8.0，输入：

pip install tensorflow-gpu==1.8.0 -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com

我这里安装的是tensorflow==1.8.0版本的，本来最开始是像按照windows下安装步骤一样，安装tensorflow-gpu==1.4.0的镜像，但是安装过程中说的Linux环境中不支持1.4.0版本，所以我就换成了1.4.1版本。能安装成功，但是在接下来的操作中就会报错，参照博客ImportError: libcublas.so.8.0: cannot open shared object file: No such file or directory（本地安装cuda 9）的说法，就先用pip uninstall tensorflow-gpu卸载了1.4.1版本，然后用上面的命令重新安装了1.8.0版本的tensorflow-gpu，我记得这篇博客从样本到部署Pix2Pix图像翻译案例全流程记录中说的使用pix2pix-tensorflow的代码，只要是tensorflow-gpu==1.x就行了，哪怕是1的最新版本也可以的。

测试是否tensorflow-gpu安装配置成功

activate tf1.4
python
import tensorflow as tf
tf.test.is_gpu_available()	# True

3. 实验记录

所需要的参数：
在这里插入图片描述

github给的命令示例：

在这里插入图片描述

我所用的命令：

python pix2pix.py --input_dir dataset/train/ --mode train --output_dir runs/pix2pix --max_epochs 200 --which_direction AtoB --batch_size 64 --dispaly_freq 100 --scale_size 512 --lr 0.00001