issues
目录：
一、Opened Issues：
1，#98 Testing problem 测试问题，模型已经训练好，测试出现问题。
3，#79 trained models?已经训练好的模型 ？ https://github.com/vipermu/ganimation
4，#73 Output Problem。经过处理的图像结果不是很好。
5，#49 TypeError:Cannot handle this data type，似乎是因为PyTorch的版本引起，已解决，需要修改代码。和#52一样。
python train.py --data_dir / media / xirui / XIRUI / database1 --name try3 --batch_size 25
7，#43 先训练数据集。样例数据sample_dataset里面只有4张图片，作者训练时用了200k张图片。
2，#59 在提供的数据集路径中，找不到图像。 确保提供的图像在自己提供的目录中。
3，#52 PyTorch版本错误. 作者使用的是 PyTorch 0.3.1 版本。
4， #46 输入的images batches 必须是 Bx3x128x128 大小
5，#42 测试之前需要先进行训练，一个python test.py的命令: python test.py --input_path test/myimage.jpg
6，#40 作者的代码是在Python2.7 上完成的。提到 命令 bash launch/run_train.sh
7，#39 提到命令 pip install -r requirement
9，#34 CUDA error，尝试减少你的batch size.
10，#33 提取AU后 ，重新调整 训练图像为 128x128x3 大小。
11，#32 提到使用OpenFace提取到的AU与样本数据集的不同。 作者回答说：尽管使用OpenFace返回的内容，样本数据集仅用于说明所需的数据集目录结构。
12，#31 提到为什么用5划分AU的intensity value，为了 标准化 到 [0,1]
14，#29 如何训练、测试 RaFD数据集？ 像示例那样准备数据集， 用OpenFace提取AUs
15，#28 PyTorch不支持零尺寸，是多张脸图像的问题，需要在Prepare_au.py文件中修复
16，#25 生成AU的问题，命令：./FaceLandmarkImg -fdir path_to_images -out_dir path_for_generated_files -aus
17，#24 For getting AU intensities from csv files. 在文件prepare_au_annotations.py里问什么用content[2:19]？
18，#23 Questions about the Attention-based Generator
19，#22 The test result is wrong. https://github.com/donydchen/ganimation_replicate。
我还提供了预处理的CelebA数据集和预训练的模型。希望对您有所帮助。
20，#11 我们不打算发布经过训练的模型。一切准备就绪，可以使用任何包含面部的数据集进行训练。自述文件包含所有说明。
22，#11 Training data。训练数据集不是共享的，需要自己去申请。
24，#1 print（）是python3中的函数。作者代码是为Python 2.7设计的。
Opened
1，#98 Testing problem 测试问题，模型已经训练好，测试出现问题。
没有选择图片，try to "python test.py --input_path ./sample_dataset/imgs/N_0000000437_00540.jpg" the output img is in ./output.
2，#97 Error in Training
3，#79 trained models?已经训练好的模型 ？ https://github.com/vipermu/ganimation
4，#73 Output Problem。经过处理的图像结果不是很好。
5，#49 TypeError:Cannot handle this data type，似乎是因为PyTorch的版本引起，已解决，需要修改代码。和#52一样。
python train.py --data_dir / media / xirui / XIRUI / database1 --name try3 --batch_size 25
6，#45 about the training data，使用build/bin/FaceLandmarkImg -f sample1.jpg -aus，否则它将输出其他属性，因此prepare_au_annotations.py无法正确处理它
7，#43 先训练数据集。样例数据sample_dataset里面只有4张图片，作者训练时用了200k张图片。
Closed Issues：
1，#88 输入图像应该被裁剪，因该是128x128
2，#59 在提供的数据集路径中，找不到图像。 确保提供的图像在自己提供的目录中。
3，#52 PyTorch版本错误. 作者使用的是 PyTorch 0.3.1 版本。
4， #46 输入的images batches 必须是 Bx3x128x128 大小
5，#42 测试之前需要先进行训练，一个python test.py的命令。python test.py --input_path test/myimage.jpg
6，#40 作者的代码是在Python2.7 上完成的。提到 命令 bash launch/run_train.sh
7，#39 提到命令 pip install -r requirement
8，#38 提到 如果没有安装cuda 可以吗
9，#34 CUDA error，尝试减少你的batch size.
10，#33 提取AU后 ，重新调整 训练图像为 128x128x3 大小。
11，#32 提到使用OpenFace提取到的AU与样本数据集的不同。 作者回答说：尽管使用OpenFace返回的内容，样本数据集仅用于说明所需的数据集目录结构。
12，#31 提到为什么用5划分AU的intensity value，为了 标准化 到 [0,1]
13，#30 输入的图像尺寸应该是128x128
14，#29 如何训练、测试 RaFD数据集？ 像示例那样准备数据集， 用OpenFace提取AUs
15，#28 PyTorch不支持零尺寸，是多张脸图像的问题，需要在Prepare_au.py文件中修复
16，#25 生成AU的问题，命令：./FaceLandmarkImg -fdir path_to_images -out_dir path_for_generated_files -aus
17，#24 For getting AU intensities from csv files. 在文件prepare_au_annotations.py里问什么用content[2:19]？
18，#23 Questions about the Attention-based Generator
19，#22 The test result is wrong
https://github.com/donydchen/ganimation_replicate。
我还提供了预处理的CelebA数据集和预训练的模型。希望对您有所帮助。
20，#11 我们不打算发布经过训练的模型。一切准备就绪，可以使用任何包含面部的数据集进行训练。自述文件包含所有说明。
21，#10 cuda必须安装吗？yes
22，#11 Training data。训练数据集不是共享的，需要自己去申请。
23，#3 一个命令：python test.py --input_path ./sample_dataset/imgs/N_0000001507_00202.jpg 训练后的模型不是公开可用的，需要训练自己的模型以使用测试代码。指定训练过的模型的路径。