正式构建发布命令
2026/6/10 4:10:21
GPEN人像增强模型训练教程：数据集构建与epoch调优详解
1. 为什么需要自己训练GPEN？从开箱即用到定制优化
你可能已经试过镜像里预装的GPEN推理功能——上传一张模糊、有噪点或低分辨率的人脸照片，几秒钟后就得到一张清晰、皮肤细腻、五官立体的增强图。效果确实惊艳。但很快你会发现：默认模型对某些特定场景表现一般，比如戴眼镜反光严重、侧脸角度过大、或者你手头有一批风格统一的古风人像需要批量修复。
这时候，“开箱即用”就变成了“开箱起步”。真正让GPEN为你所用的关键一步，是训练自己的版本。
这不是为了炫技，而是解决三个现实问题：
- 领域适配：官方模型在FFHQ（现代高清正脸）上训练，但你的数据可能是老照片扫描件、监控截图、或二次元插画；
- 效果微调：想让皮肤更自然不塑料感？保留更多胡茬细节？强化发丝锐度？这些都靠训练过程中的损失函数权重和epoch节奏来控制；
- 资源可控：预训练模型体积大（>500MB），而你只需要一个轻量级、针对小样本优化过的版本，部署更快、显存占用更低。
本教程不讲论文推导，不堆参数表格，只聚焦两件事：怎么准备真正好用的数据集，以及怎么设置epoch数量和学习率变化节奏，让训练既稳定又高效。所有操作都在你已有的GPEN镜像中完成，无需额外配置环境。
2. 数据集构建：不是越多越好，而是“对”才有效
GPEN是监督式生成模型，它的核心任务是学习“低质→高质”的映射关系。这意味着：每张高清图，必须配一张严格对应的低质图。这不是简单的“原图+加噪”，而是要模拟真实退化过程。
2.1 高清图（Ground Truth）怎么选？
别急着下载FFHQ。先问自己：你最终要修复的是什么类型的人脸？
| 你的目标场景 | 推荐高清图来源 | 关键筛选标准 |
|---|---|---|
| 老照片修复 | 扫描的胶片底片、数码翻拍的旧证件照 | 分辨率≥800×800，人脸居中，无大面积遮挡，光照均匀 |
| 监控/抓拍照增强 | 公安公开测试集（如SCface）、自拍高清正面照 | 侧脸≤30°，无强逆光，背景尽量简洁 |
| 二次元/插画增强 | Danbooru高分图、Pixiv精选集（需授权） | 线条清晰、色彩饱和，避免过度抽象或Q版变形 |
| 古风人像处理 | 故宫博物院数字文物库、敦煌壁画人物局部 | 服饰纹理丰富，面部留白适中，避免全黑背景 |
⚠️避坑提醒：
- 不要用网络爬取的“高清美女图”——大量存在PS痕迹、滤镜过重、比例失真，模型会学偏；
- 单张图不要裁剪多次凑数（如一张正脸切出5个子图），会导致特征重复，泛化能力差；
- 建议总量控制在800–2000张。实测表明：干净的1200张，远胜杂乱的5000张。
2.2 低质图（Degraded Input）怎么生成？3种真实退化方式
关键原则：低质图必须是高清图的“合理退化版”，不能是随机加噪。我们用镜像中已预装的basicsr工具链实现：
方式一：BSRGAN退化（推荐用于老照片/监控场景）
cd /root/GPEN python scripts/create_lq_dataset.py \ --input_path ./datasets/high_res \ --output_path ./datasets/low_res_bsr \ --degradation BSRGAN \ --scale 4 \ --blur_kernel_size 21 \ --noise_level 15--scale 4：模拟4倍下采样（如2048×2048→512×512）--blur_kernel_size 21：大核模糊，模拟镜头离焦或运动拖影--noise_level 15：叠加中等强度高斯噪声，匹配老旧传感器特性
方式二：RealESRGAN退化（推荐用于网络压缩图）
python scripts/create_lq_dataset.py \ --input_path ./datasets/high_res \ --output_path ./datasets/low_res_realesrgan \ --degradation RealESRGAN \ --jpeg_quality 40 \ --scale 2--jpeg_quality 40：强力JPEG压缩，产生明显块效应和颜色失真--scale 2：2倍下采样，保留更多细节，适合修复微信转发图
方式三：混合退化（进阶：最贴近真实场景）
编辑scripts/create_lq_dataset.py，在degrade_image()函数末尾添加：
# 在原有退化后追加 if np.random.rand() > 0.7: # 30%概率添加运动模糊 kernel = motion_blur_kernel(size=15, angle=np.random.uniform(-15, 15)) img = cv2.filter2D(img, -1, kernel) if np.random.rand() > 0.5: # 50%概率添加轻微色偏 img = img.astype(np.float32) img[..., 0] *= np.random.uniform(0.9, 1.1) # B通道浮动 img[..., 2] *= np.random.uniform(0.9, 1.1) # R通道浮动这样生成的低质图，既有压缩伪影，又有模糊和色偏，训练出的模型鲁棒性更强。
2.3 文件结构与验证：确保GPEN能正确读取
最终数据集目录结构必须严格如下：
datasets/ ├── train/ │ ├── GT/ # 高清图（.png格式，命名如00001.png） │ └── LR/ # 对应低质图（同名，如00001.png） └── val/ ├── GT/ └── LR/运行校验脚本，避免因文件名不匹配导致训练中断：
python scripts/validate_dataset.py \ --gt_dir ./datasets/train/GT \ --lr_dir ./datasets/train/LR \ --ext .png \ --check_count 100输出✅ All 100 pairs match即表示数据集准备就绪。
3. Epoch调优实战：不盲目跑满，而要“看懂”训练曲线
GPEN默认训练配置（如options/train_gpen_512.yml）常设num_iter: 300000，对应约1200 epoch（按batch_size=16计算）。但实际中，多数定制任务在300–500 epoch就达到性能拐点。盲目跑满不仅浪费时间，还会导致过拟合——生成图出现不自然的“油画感”或“塑料皮肤”。
3.1 学习率策略：用“余弦退火”替代固定衰减
打开options/train_gpen_512.yml，找到学习率配置段：
scheduler: type: CosineAnnealingRestartLR periods: [300, 300, 300] # 每300 epoch重启一次 restart_weights: [1, 0.5, 0.25] # 每次重启时学习率乘以该系数 eta_min: 1e-7 # 最小学习率为什么这样改？
- 前300 epoch：用较高学习率（如2e-4）快速收敛，捕捉主要结构；
- 第2个300 epoch：学习率降半，精细调整纹理和边缘；
- 第3个300 epoch：学习率再降，专注修复高频细节（毛孔、发丝）；
- 重启机制防止陷入局部最优，比线性衰减更稳定。
3.2 Epoch停止判断：盯住3个关键指标
启动训练后，实时监控./experiments/train_gpen_512/loss_log.txt，重点关注：
| 指标 | 健康信号 | 危险信号 | 应对动作 |
|---|---|---|---|
| G_loss (Generator) | 从15→3.5→1.2缓慢下降，第400 epoch后波动<0.05 | 第200 epoch后停滞在5.0以上 | 检查数据对是否错位，或降低判别器学习率 |
| D_loss (Discriminator) | 在0.3–0.8间小幅震荡 | 持续<0.1（判别器太强）或>1.5（太弱） | 调整train_gpen_512.yml中net_d_lr: 1e-4 → 5e-5 |
| PSNR_val | 从22.5dB→26.8dB→28.1dB稳步上升，第450 epoch达峰值 | 第300 epoch后开始下降 | 立即停止训练，保存net_g_450.pth |
实操经验：在镜像中运行
tensorboard --logdir ./experiments/train_gpen_512/tb_logger/ --bind_all，浏览器访问http://localhost:6006，直观查看曲线。重点关注PSNR_val的“山峰”位置——它就是你该停下的时刻。
3.3 早停（Early Stopping）自动化脚本
为防疏忽，我们在训练循环中加入自动终止逻辑。修改train.py的main()函数末尾：
# 在每个epoch结束后添加 if epoch % 10 == 0: current_psnr = val_results['psnr'] if current_psnr > best_psnr: best_psnr = current_psnr best_epoch = epoch torch.save(net_g.state_dict(), f'./experiments/train_gpen_512/models/net_g_best.pth') elif epoch - best_epoch > 50: # 连续50 epoch未提升 print(f"Early stopping at epoch {epoch}. Best PSNR: {best_psnr:.2f}dB") break这样，当PSNR连续50个epoch不涨，训练自动退出，并保留最佳权重。
4. 训练后验证：用3张图快速判断模型是否合格
训练结束不等于成功。用以下方法10分钟内完成效果验收：
4.1 快速对比测试
准备3类典型图，放入./test_input/：
- Type A（挑战图）：带眼镜反光、强侧光、胡茬明显的老年男性
- Type B（边界图）：戴口罩只露眼睛、长发遮半脸、戴渔夫帽压低额头
- Type C（艺术图）：水墨风格人像、赛博朋克霓虹妆容、水彩质感
运行批量推理：
cd /root/GPEN python inference_gpen.py \ --input ./test_input/ \ --output ./test_output/ \ --model_path ./experiments/train_gpen_512/models/net_g_best.pth \ --size 5124.2 合格标准（非技术指标，纯肉眼判断）
| 项目 | 合格表现 | 不合格表现 | 改进方向 |
|---|---|---|---|
| 皮肤质感 | 有细微纹理，不油不蜡，毛孔可见但不过度 | “塑料脸”、反光如打蜡、完全平滑无细节 | 在训练中增加LPIPS感知损失权重，或减少GAN损失 |
| 边缘处理 | 发际线、睫毛、胡茬过渡自然，无锯齿或晕染 | 边缘发虚、出现彩色光晕、头发粘连成块 | 检查数据集中低质图的模糊核是否过大，或降低判别器强度 |
| 色彩保真 | 原图肤色、唇色、服饰色准确还原 | 肤色发青/发黄、口红变紫、衣服褪色 | 在create_lq_dataset.py中关闭色偏退化，或增加色彩一致性损失 |
如果3张图中有2张达标，说明训练成功。此时可将net_g_best.pth复制到/root/GPEN/pretrained_models/，替换默认模型，享受专属增强效果。
5. 总结：训练不是终点，而是效果闭环的起点
回顾整个流程，你其实只做了三件关键小事：
- 选对高清图：不求数量多，而求“像你要修的图”；
- 造好低质图：用BSRGAN/RealESRGAN模拟真实退化，而非简单加噪；
- 看懂epoch曲线：把PSNR_val当指南针，而不是硬跑满1000轮。
你会发现，训练GPEN最耗时的环节不是GPU计算，而是花1小时整理数据、花20分钟调参、花5分钟看曲线。真正的技术门槛，从来不在代码本身，而在对问题本质的理解。
下一步，你可以尝试：
- 用训练好的模型批量处理私有相册，导出为WebP节省空间；
- 将
inference_gpen.py封装成Flask API，供手机App调用； - 在低质图生成阶段加入“老化模拟”（如添加雀斑、皱纹），反向生成复古风格图。
技术的价值，永远在于它如何贴合你的真实需求。而你现在，已经握住了那把钥匙。
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。