Pix2pixにおける学習後の生成方法

Question

前提・実現したいこと

GoogleColaboratoryでpix2pixを導入し、自前のデータセットを用いて学習から生成までを行いたいです。

発生している問題・エラーメッセージ

学習まで終えることができたのですが、生成をどのようにして行えばよいか分かりません。

試したこと

様々なキーワードで検索をかけて調べてみたのですが、いまいち分かりませんでした。

補足情報（FW/ツールのバージョンなど）

実装環境：GoogleColaboratory,python3
以下の２つをcloneしています。
・(https://github.com/phillipi/pix2pix.git)
・(https://github.com/tdeboissiere/DeepLearningImplementations.git)

学習までの状況は次のとおりです。（学習結果は最後に示します。）

!python main.py 64 64 --backend tensorflow --nb_epoch 10

(以下、main.py)

import os
import argparse


def launch_training(**kwargs):

    # Launch training
    train.train(**kwargs)


if __name__ == "__main__":

    parser = argparse.ArgumentParser(description='Train model')
    parser.add_argument('patch_size', type=int, nargs=2, action="store", help="Patch size for D")
    parser.add_argument('--backend', type=str, default="theano", help="theano or tensorflow")
    parser.add_argument('--generator', type=str, default="upsampling", help="upsampling or deconv")
    parser.add_argument('--dset', type=str, default="facades", help="facades")
    parser.add_argument('--batch_size', default=4, type=int, help='Batch size')
    parser.add_argument('--n_batch_per_epoch', default=100, type=int, help="Number of batches per epoch")
    parser.add_argument('--nb_epoch', default=400, type=int, help="Number of training epochs")
    parser.add_argument('--epoch', default=10, type=int, help="Epoch at which weights were saved for evaluation")
    parser.add_argument('--nb_classes', default=2, type=int, help="Number of classes")
    parser.add_argument('--do_plot', action="store_true", help="Debugging plot")
    parser.add_argument('--bn_mode', default=2, type=int, help="Batch norm mode")
    parser.add_argument('--img_dim', default=64, type=int, help="Image width == height")
    parser.add_argument('--use_mbd', action="store_true", help="Whether to use minibatch discrimination")
    parser.add_argument('--use_label_smoothing', action="store_true", help="Whether to smooth the positive labels when training D")
    parser.add_argument('--label_flipping', default=0, type=float, help="Probability (0 to 1.) to flip the labels when training D")
    parser.add_argument('--logging_dir', default='../..', type=str, help="Path to logging directory")

    args = parser.parse_args()

    # Set the backend by modifying the env variable
    if args.backend == "theano":
        os.environ["KERAS_BACKEND"] = "theano"
    elif args.backend == "tensorflow":
        os.environ["KERAS_BACKEND"] = "tensorflow"

    # Import the backend
    import keras.backend as K

    # manually set dim ordering otherwise it is not changed
    if args.backend == "theano":
        image_data_format = "channels_first"
        K.set_image_data_format(image_data_format)
    elif args.backend == "tensorflow":
        image_data_format = "channels_last"
        K.set_image_data_format(image_data_format)

    import train

    # Set default params
    d_params = {"dset": args.dset,
                "generator": args.generator,
                "batch_size": args.batch_size,
                "n_batch_per_epoch": args.n_batch_per_epoch,
                "nb_epoch": args.nb_epoch,
                "model_name": "CNN",
                "epoch": args.epoch,
                "nb_classes": args.nb_classes,
                "do_plot": args.do_plot,
                "image_data_format": image_data_format,
                "bn_mode": args.bn_mode,
                "img_dim": args.img_dim,
                "use_label_smoothing": args.use_label_smoothing,
                "label_flipping": args.label_flipping,
                "patch_size": args.patch_size,
                "use_mbd": args.use_mbd,
                "logging_dir": args.logging_dir
                }

    # Launch training
    launch_training(**d_params)

Answer 1

モデルをエクスポートして使えるpix2pixを探しました。
リンク内容
また、エクスポート後に画像を生成するコードを別途探して使用しました。