写在前面

SPADE作为目前Label to Image的守门员，非常值得学习，前几天复现了一下他的模型现在来分享一下运行方法。

为什么Pix2PixHD和SPADE都不用RGB作为输入

可以参考这篇博客https://editor.csdn.net/md/?articleId=123459193
其实这是为了把单通道的语义图label进行one-hot编码再给生成器
在这里插入图片描述

如何运行SPADE

我这里以512 * 512 大小的图片为例子
（1）我偏要用RGB图片作为输入
SPADE不能像Pix2PixHD那样使用参数--label_nc 0直接将RGB送给网络，但是我之前试了一下把--label_nc的参数设置255然后加上--contain_dontcare_label是可以运行的。参考了https://github.com/NVlabs/SPADE/issues/137

python train.py --name 名字 --dataset_mode custom --load_size 512 --crop_size 512 --display_winsize 512 --label_nc 255 --contain_dontcare_label --label_dir 路径/train_label --image_dir 路径/train_img  --no_instance

（2）只有label作为输入

python train.py --name 名字 --dataset_mode custom --load_size 512 --crop_size 512 --display_winsize 512 --label_nc 类别数 --label_dir 路径/train_label --image_dir 路径/train_img  --no_instance

（3）label和intance作为输入
把--no_instance改为--instance_dir即可

python train.py --name 名字 --dataset_mode custom --load_size 512 --crop_size 512 --display_winsize 512 --label_nc 类别数 --label_dir 路径/train_label --image_dir 路径/train_img  --instance_dir 路径/train_inst

（4）如果输入图片的宽高不相等
例如我这里图片是720 * 576
这先计算720/576 = 1.25，然后把这个1.25作为 --aspect_ratio的参数

python train.py --name 名字 --dataset_mode custom --preprocess_mode none --load_size 720  --crop_size 720 --display_winsize 720  --aspect_ratio 1.25  --label_nc 类别数 --label_dir 路径/train_label --image_dir 路径/train_img --instance_dir 路径/train_inst