GPEN训练数据准备难？FFHQ数据对生成实战教程
1. 镜像环境说明
本镜像基于GPEN人像修复增强模型构建，预装了完整的深度学习开发环境，集成了推理及评估所需的所有依赖，开箱即用。适用于人脸超分辨率、图像修复与画质增强等任务的快速验证和工程部署。
| 组件 | 版本 |
|---|---|
| 核心框架 | PyTorch 2.5.0 |
| CUDA 版本 | 12.4 |
| Python 版本 | 3.11 |
| 推理代码位置 | /root/GPEN |
主要依赖库：
facexlib: 用于人脸检测与对齐basicsr: 基础超分框架支持opencv-python,numpy<2.0,datasets==2.21.0,pyarrow==12.0.1sortedcontainers,addict,yapf
该环境已配置好 ModelScope 模型下载通道，并缓存了关键权重文件，确保在无网络或弱网环境下仍可完成推理任务。
2. 快速上手
2.1 激活环境
启动容器后，首先激活预设的 Conda 环境：
conda activate torch252.2 模型推理 (Inference)
进入项目主目录并运行推理脚本：
cd /root/GPEN使用以下命令进行不同场景下的测试：
# 场景 1：运行默认测试图 # 输出将保存为: output_Solvay_conference_1927.png python inference_gpen.py # 场景 2：修复自定义图片 # 输出将保存为: output_my_photo.jpg python inference_gpen.py --input ./my_photo.jpg # 场景 3：直接指定输出文件名 # 输出将保存为: custom_name.png python inference_gpen.py -i test.jpg -o custom_name.png推理结果将自动保存在项目根目录下，示例输出如下：
提示：输入图像建议为人脸居中、清晰度适中的正面肖像，以获得最佳增强效果。
3. 已包含权重文件
为保证开箱即用及离线推理能力，镜像内已预下载以下模型权重（若未手动删除缓存则无需重复下载）：
- ModelScope 缓存路径：
~/.cache/modelscope/hub/iic/cv_gpen_image-portrait-enhancement - 包含内容：
- 预训练生成器（Generator），支持 512×512 分辨率
- 人脸检测器（RetinaFace）
- 关键点对齐模型（FAN）
- GAN Prior 编码器权重
这些组件共同构成 GPEN 的完整推理链路，从原始图像输入到高质量人脸重建全程自动化处理。
4. 训练数据准备难点解析
4.1 监督式训练的数据需求
GPEN 采用监督学习方式进行训练，要求每张高分辨率（HR）图像对应一个低质量（LR）版本，形成(LR, HR)数据对。这种配对数据是实现精确恢复细节的关键。
然而，真实世界中很难获取同一人物在高低质量下的完全匹配图像。因此，主流做法是通过人工降质（Degradation Pipeline）在 FFHQ 等高清数据集上合成 LR 图像。
4.2 推荐数据源：FFHQ 数据集
FFHQ（Flickr-Faces-HQ）是目前最广泛使用的人脸训练数据集之一，具有以下优势：
- 包含 70,000 张高分辨率（1024×1024）人脸图像
- 覆盖多样化的年龄、性别、种族、表情和光照条件
- 图像质量高，适合做“真实高清”基准（HR）
官方推荐使用 FFHQ 子集（如前 60,000 张）作为训练集，其余用于验证。
4.3 如何生成高质量数据对？
由于原始 FFHQ 只提供 HR 图像，必须通过可控的退化函数生成对应的 LR 输入。以下是两种主流方案：
方案一：RealESRGAN 内置 Degradation 模块
RealESRGAN 提供了一套随机退化流程，模拟多种模糊核、噪声、压缩失真等复合退化过程，更贴近真实低质图像。
from basicsr.data.degradations import random_add_gaussian_noise, random_add_poisson_noise from basicsr.data.transforms import paired_random_crop import cv2 import numpy as np def generate_lr_image(hr_img_path, save_path): img_hr = cv2.imread(hr_img_path) # BGR format h, w = img_hr.shape[:2] # Step 1: 随机下采样（模拟模糊+缩放） scale = np.random.uniform(0.3, 0.8) new_w, new_h = int(w * scale), int(h * scale) img_lr = cv2.resize(img_hr, (new_w, new_h), interpolation=cv2.INTER_LINEAR) # Step 2: 添加高斯噪声 img_lr = random_add_gaussian_noise( img_lr.astype(np.float32) / 255., noise_range=(1, 15) ) # Step 3: 上采样回原尺寸（模拟插值放大） img_lr = cv2.resize(img_lr, (w, h), interpolation=cv2.INTER_LINEAR) # Save cv2.imwrite(save_path, img_lr * 255)方案二：BSRGAN-style 退化管道
BSRGAN 设计了更复杂的退化策略，包括非对称模糊核、JPEG 压缩、颜色抖动等，能生成更具挑战性的 LR 图像。
优点：提升模型鲁棒性
缺点：实现复杂，需精细调参
建议初学者优先使用 RealESRGAN 提供的
paired_image_dataset.py工具批量生成数据对。
5. 数据对生成实战步骤
5.1 准备工作
下载 FFHQ 数据集：
wget https://www.dropbox.com/s/zkaqo0jmx6lk8ba/images1024x1024.tar tar -xvf images1024x1024.tar -C ./ffhq/创建目录结构：
datasets/ └── gpen_ffhq/ ├── hr/ # 存放原始高清图（软链接即可） └── lr/ # 存放生成的低质图
5.2 批量生成 LR 图像
编写脚本generate_pairs.py实现自动化处理：
import os import cv2 import glob from basicsr.data.degradations import random_add_gaussian_noise import numpy as np HR_DIR = './datasets/gpen_ffhq/hr' LR_DIR = './datasets/gpen_ffhq/lr' os.makedirs(LR_DIR, exist_ok=True) image_paths = sorted(glob.glob(os.path.join(HR_DIR, '*.png')))[:5000] # 使用5k样本 print(f"Found {len(image_paths)} HR images.") for idx, path in enumerate(image_paths): try: img_hr = cv2.imread(path) if img_hr is None: continue h, w = img_hr.shape[:2] scale = np.random.uniform(0.4, 0.7) new_w, new_h = int(w * scale), int(h * scale) img_lr = cv2.resize(img_hr, (new_w, new_h), interpolation=cv2.INTER_LINEAR) # Add noise noise_img = random_add_gaussian_noise( img_lr.astype(np.float32) / 255., noise_range=(2, 10) ) noise_img = (noise_img * 255).clip(0, 255).astype(np.uint8) # Upsample back img_lr_up = cv2.resize(noise_img, (w, h), interpolation=cv2.INTER_LINEAR) # Save filename = os.path.basename(path) cv2.imwrite(os.path.join(LR_DIR, filename), img_lr_up) if idx % 500 == 0: print(f"Processed {idx}/{len(image_paths)}") except Exception as e: print(f"Error processing {path}: {e}") print("Data pair generation completed.")运行脚本：
python generate_pairs.py5.3 数据加载配置
修改 GPEN 训练配置文件options/train_GAN_priors.yml中的数据路径：
datasets: train: name: ffhq_pair type: PairedImageDataset dataroot_gt: ./datasets/gpen_ffhq/hr # HR 路径 dataroot_lq: ./datasets/gpen_ffhq/lr # LR 路径 io_backend: type: disk同时设置图像分辨率：
network_g: type: GPEN in_size: 512 out_size: 5126. 训练建议与优化技巧
6.1 关键超参数设置
| 参数 | 推荐值 | 说明 |
|---|---|---|
lr_g(生成器学习率) | 2e-5 ~ 5e-5 | Adam 优化器常用范围 |
batch_size | 8 ~ 16 | 根据显存调整（A100 推荐16） |
num_epochs | 200 ~ 500 | 观察验证损失早停 |
warmup_iter | 3000 | GAN Prior 编码器预热步数 |
6.2 训练过程监控
建议使用 TensorBoard 记录训练指标：
from torch.utils.tensorboard import SummaryWriter writer = SummaryWriter('logs/gpen_ffhq') # 在训练循环中记录 writer.add_scalar('Loss/G', loss_g.item(), global_step) writer.add_images('Visual/Results', visuals, global_step)可视化内容应包括：
- 原始 LR 输入
- 模型输出（SR）
- 真实 HR 标签
6.3 性能优化建议
- 数据预加载：使用 LMDB 或 TFRecord 加速读取
- 混合精度训练：启用 AMP 提升训练速度约 30%
- 梯度裁剪：防止 GAN 训练崩溃
- 判别器延迟更新：每 2~3 步更新一次 D，稳定 G 训练
7. 总结
本文围绕 GPEN 模型训练中最常见的“数据对缺失”问题，系统介绍了如何利用公开数据集 FFHQ 构建高质量(LR, HR)配对数据的方法。我们详细拆解了：
- 镜像环境的核心组成与快速推理方式
- GPEN 对监督数据的需求本质
- FFHQ 数据集的优势及其适用性
- 基于 RealESRGAN/BRSRGAN 的退化流程设计
- 完整的数据生成与训练配置实战流程
- 训练阶段的关键参数与优化建议
通过本教程，开发者可在本地或云端环境中高效构建专属训练数据集，进而开展定制化的人像增强模型训练任务，显著降低入门门槛。
提示：对于追求更高真实感的应用场景，可进一步引入 WildPhoto 等自然退化数据集进行联合训练。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
