使用cycle进行数据集的风格转换，也即数据集的domain transferring ，使用的代码地址：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
训练过程
按照README进行代码的下载，环境搭建，数据集准备，没有什么大问题，这里略过 接下来以gta到cityscapes为例进行说明：
训练脚本：
python train.py --dataroot 准备的数据集的跟目录 --name sim2cs --load_size 1024 --crop_size 400 --preprocess scale_width_and_crop --lambda_identity 1 --n_epochs 40 --n_epochs_decay 40
参数说明：
--name 代表训练的名称 这里使用的是 sim2cs
--preprocess 预处理方式
由于其他原因中断，继续训练的脚本，在原来的脚本后面加 参数 --continue_train --epoch_count 47,其中 epoch_count为继续训练开始的epoch数 训练结束后，会在checkpoints文件夹生成 sim2cs的一系列的checkpoint以及latest的模型。
测试过程
测试过程可以使用--model 为 cycle_gan或者是 test ，这里使用的是test，更方便数据集的生成。 需要注意的是： --model 为test的时候加载的latest_net_G.pth，而不是在训练的过程中的latest_net_G_A.pth或者是latest_net_G_B.pth,因此，需要将latest_net_G_A/B.pth重命名为latest_net_G.pth进行A-->B或者是B-->A的图像生成。
这里为了方便，我在checkpoints文件夹下面分别建立了sim10k2cs和cs2sim10k来分别存储各自的latest_net_G.pth，分别重命名自 latest_net_G_A.pth和latest_net_G_B.pth。
至此，sim2cs的test脚本，从gta生成的cityscapes的脚本如下：
python test.py --dataroot 准备数据集的root/testA --model test --name sim10k2cs --process none --dataset_mode single --no_drop
从cs2sim,从cityscapes生成gta的脚本如下：
python test.py --dataroot 准备数据集的root/testB --model test --name cs2sim10k --process none --dataset_mode single --no_drop
因为需要生成与原图片一样大小的图片，这里--preprocess的参数为none，表示输入图像不进行resize等处理。