sjkand/dcgan

DCGAN 动漫头像生成系统

基于深度卷积生成对抗网络（DCGAN）的动漫头像智能生成平台，支持训练、推理和可视化完整流程。

📁 项目结构

/root/xm/
├── model.py          # DCGAN 模型架构（生成器/判别器，支持64×64和128×128分辨率）
├── train.py          # 训练脚本（含数据加载、训练循环、检查点保存）
├── app.py            # Streamlit 前端交互界面
├── pp.py             # 数据集预处理脚本（人脸检测+模糊过滤+自动缩放）
├── requirements.txt  # Python 依赖列表
├── checkpoints/      # 模型检查点目录（含训练历史和最终模型）
├── samples/          # 训练过程样本图片（每5轮保存一次）
├── data1/            # 数据集目录（存放动漫头像图片）
└── .streamlit/       # Streamlit 配置目录

🛠️ 环境要求

安装命令：

pip install -r requirements.txt

🚀 使用方法

1. 数据集准备

将动漫头像图片放入 data1/ 目录，支持 .jpg, .jpeg, .png, .bmp, .tiff 格式。

推荐数据集：kaggle Anime Faces

可选：预处理过滤无效图片

使用人脸检测过滤非人脸图片，并自动缩放至 64×64：

python pp.py --action move --workers 4

• —--action move: 将无效图片移动到 removed/ 目录（推荐）
• —--action delete: 直接删除无效图片
• —--workers: 并行处理线程数（默认CPU核心数，最大4）

预处理功能：

• —✅ 人脸检测（使用动漫专用 LBP 模型）
• —✅ 高度模糊图片过滤（拉普拉斯方差检测）
• —✅ 自动缩放非标准尺寸图片至 64×64

2. 训练模型

python train.py --image_size 64 --batch_size 128 --num_epochs 200

参数说明：

训练输出：

• —checkpoints/generator_final.pth: 最终生成器权重
• —checkpoints/checkpoint_epoch_xxx.pth: 每15轮保存的完整检查点
• —checkpoints/training_history.json: 训练历史（损失曲线数据）
• —samples/epoch_xxx.png: 每5轮保存的生成样本（64张网格图）

3. 启动前端界面

streamlit run app.py

访问 http://localhost:8501 即可使用以下功能：

🎨 头像生成

• —支持单次生成 1-64 张动漫头像
• —可固定随机种子实现结果复现
• —支持下载单张图片或打包下载全部

📈 训练过程可视化

• —实时显示生成器/判别器损失曲线
• —D(x) 和 D(G(z)) 分数变化趋势
• —训练配置参数展示

🔬 模型架构展示

• —生成器与判别器网络结构详解
• —关键稳定化策略说明（批归一化、LeakyReLU、Dropout等）
• —训练目标函数数学表达式

📊 训练样本演变

• —查看不同训练阶段的生成效果
• —支持滑动选择轮次对比

🧠 模型架构

生成器（Generator）

输入 100 维随机噪声，通过反卷积逐步上采样至目标分辨率：

z (100) → ConvTranspose2d(100→1024) → BN → ReLU → ... → Tanh → 图像

判别器（Discriminator）

输入图像，通过卷积逐步下采样至标量概率输出：

图像 → Conv2d(3→96) → LeakyReLU → Dropout → ... → Sigmoid → [0,1] 概率

关键稳定化策略

📊 评估指标

训练过程中监控以下指标：

• —G_loss：生成器损失（越小越好）
• —D_loss：判别器损失（越小越好）
• —D(x)：判别器对真实图片的平均输出（接近 0.9 为好）
• —D(G(z))：判别器对生成图片的平均输出（接近 0.5 为平衡）

📝 示例脚本

快速训练（64×64分辨率，200轮）

python train.py --image_size 64 --batch_size 128 --num_epochs 200

高分辨率训练（128×128）

python train.py --image_size 128 --batch_size 64 --num_epochs 300 --ngf 256 --ndf 128

仅启动生成界面（使用预训练模型）

streamlit run app.py

📦 检查点格式

检查点文件包含以下内容：

{
    'netG_state_dict': dict,      # 生成器权重
    'netD_state_dict': dict,      # 判别器权重（完整检查点）
    'config': dict,               # 训练配置参数
    'G_losses': list,             # 生成器损失历史
    'D_losses': list,             # 判别器损失历史
    'D_real_accs': list,          # D(x) 历史
    'D_fake_accs': list,          # D(G(z)) 历史
}

📱 系统要求

📄 许可证

本项目仅供学习和研究使用。

技术栈：Python 3.11 · PyTorch 2.x · Streamlit · DCGAN 数据集：Anime Face Dataset 训练设备：GPU（CUDA 加速）