关于CycleGAN损失函数的可视化理解

看了《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》这篇论文，大致了解了CycleGAN的工作原理，为了更好的理解他损失函数的设计，结合提供的代码，我绘制了损失函数的流程图，并且用maps跑了代码，图中的图片就是测试集挑选出来的。通过看代码，我发现他的输入是不配对的，也就是real_B并不是并不是real_A的标签图。当然你可以设置opt.serial_batches=True，这样输入 real_B就是real_A的标签图，当然False训练结果其实也可以，和True差别不大。没理解这其中的含义，后续在了解了解。

其中idt_A,idt_B, cycle_A,cycle_B都是通过L1损失计算出来的。