GPEN输出文件命名规则自定义：脚本修改详细教程

GPEN人像修复增强模型镜像

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。

1. 镜像环境说明

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==12.0.1
• sortedcontainers,addict,yapf

2. 快速上手

2.1 激活环境

conda activate torch25

2.2 模型推理 (Inference)

进入代码目录并使用预置脚本进行推理测试：

cd /root/GPEN

使用下面命令进行推理测试，可以通过命令行参数灵活指定输入图片。

# 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，测试结果如下：

3. 默认输出命名机制分析

3.1 命名逻辑解析

当你运行inference_gpen.py脚本时，如果没有通过-o参数显式指定输出文件名，系统会根据输入文件的名称自动生成一个默认的输出名。其规则如下：

• 输入文件名为xxx.jpg或xxx.png，则输出文件名为output_xxx.png
• 若未提供输入文件（使用默认测试图），则输出为output_Solvay_conference_1927.png

这个逻辑隐藏在脚本内部的get_save_path()或类似函数中，通常位于主函数调用前的数据处理部分。

3.2 查看原始命名代码

我们可以通过查看/root/GPEN/inference_gpen.py文件中的关键段落来确认这一行为：

# 示例代码片段（非原生，模拟实际逻辑） if args.input is None: input_path = 'test_images/Solvay_conference_1927.jpg' else: input_path = args.input # 提取文件名（不含扩展名） base_name = os.path.splitext(os.path.basename(input_path))[0] # 构造输出路径 if args.output is None: output_path = f'output_{base_name}.png' else: output_path = args.output

可以看到，默认命名是通过拼接"output_" + 原始文件名（无后缀） + .png"实现的。

4. 自定义输出命名规则的方法

虽然可以通过-o参数临时指定输出名，但如果你需要批量处理多张图像或希望统一命名风格（如按时间戳、用户ID、场景分类等），手动加参数显然不现实。因此，我们需要修改脚本本身来实现持久化、个性化的命名策略。

4.1 修改目标定位

打开推理脚本：

nano /root/GPEN/inference_gpen.py

搜索以下关键字之一：

• output_path
• save_path
• args.output
• f'output_'

找到负责生成默认输出路径的那一段代码。

4.2 添加时间戳命名规则

假设你希望每次生成的文件都带有时间信息，便于归档和区分，可以这样改写：

import datetime # 在文件顶部导入 datetime 模块 # 找到原输出路径生成逻辑，替换为： if args.output is None: base_name = os.path.splitext(os.path.basename(input_path))[0] timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") output_path = f'{base_name}_enhanced_{timestamp}.png' else: output_path = args.output

效果示例：

• 原图portrait.jpg→ 输出portrait_enhanced_20250405_142310.png

这种方式特别适合做自动化处理或实验记录。

4.3 按用户/场景分类命名

如果你为人像增强服务不同客户或用途（如证件照、社交头像、老照片修复），可加入前缀标识：

# 定义用途类型（可通过新增参数传入，也可固定设置） scene_prefix = "idphoto" # 可选: social, oldphoto, beauty 等 if args.output is None: base_name = os.path.splitext(os.path.basename(input_path))[0] output_path = f'{scene_prefix}_{base_name}_restored.png' else: output_path = args.output

输出示例：

• idphoto_zhangsan_restored.png
• oldphoto_childhood_restored.png

4.4 使用递增编号避免重名

对于无人值守的批处理任务，建议使用数字编号防止覆盖：

import glob def get_next_filename(base_name, ext=".png"): prefix = f"{base_name}_v" existing = glob.glob(f"{prefix}*{ext}") if not existing: return f"{prefix}01{ext}" numbers = [] for file in existing: try: num = int(file.split('_v')[-1].split('.')[0]) numbers.append(num) except: continue next_num = max(numbers) + 1 if numbers else 1 return f"{prefix}{next_num:02d}{ext}" # 使用方式 if args.output is None: base_name = os.path.splitext(os.path.basename(input_path))[0] output_path = get_next_filename("face", ".png") # face_v01.png, face_v02.png... else: output_path = args.output

5. 进阶技巧：从命令行传入自定义命名模板

为了兼顾灵活性与易用性，我们可以扩展脚本功能，允许用户通过新参数控制命名模式。

5.1 新增命令行参数

修改argparse部分，添加--name-template参数：

parser.add_argument('--name-template', type=str, default=None, help='Custom naming template. Use {name}, {time}, {suffix}. Example: "{name}_fixed_{time}"')

5.2 实现动态命名模板解析

在输出路径生成处加入模板替换逻辑：

import datetime if args.output is None: name = os.path.splitext(os.path.basename(input_path))[0] time_str = datetime.datetime.now().strftime("%H%M") if args.name_template: # 支持占位符替换 output_name = args.name_template.format( name=name, time=time_str, suffix="enhanced" ) + ".png" else: output_name = f"output_{name}.png" output_path = output_name else: output_path = args.output

5.3 使用示例

# 使用自定义模板 python inference_gpen.py -i myface.jpg --name-template "{name}_gpen_{time}" # 输出：myface_gpen_1423.png

这使得同一个脚本能适应多种业务场景，无需反复修改源码。

6. 批量处理中的命名实践建议

当你要对一批图片进行修复时，合理的命名规则尤为重要。以下是几种推荐做法：

6.1 统一前缀 + 序号

适用于归档管理：

# 批量脚本片段 for idx, img_path in enumerate(image_list): base = os.path.basename(img_path).rsplit('.', 1)[0] output = f"batch_{idx+1:03d}_{base}.png"

6.2 保留原始目录结构命名

若输入来自多个子文件夹，可用路径信息编码：

# 如输入为 data/teamA/001.jpg rel_path = os.path.relpath(img_path, start_dir) # teamA/001.jpg safe_name = rel_path.replace('/', '_') output = f"restored_{safe_name}.png" # restored_teamA_001.png

6.3 加入质量等级标识

如果对不同分辨率或强度的修复结果分别保存，可在名字中标注：

resolution_tag = "512" # 或 1024 output = f"{base}_gpen_{resolution_tag}p.png"

7. 总结

7.1 核心要点回顾

• GPEN 默认输出格式为output_<filename>.png，由脚本内硬编码逻辑决定。
• 可通过-o参数临时指定输出名，适合单次调用。
• 若要实现永久性、个性化命名规则，需修改inference_gpen.py中的输出路径生成逻辑。
• 推荐方法包括：添加时间戳、分类前缀、递增编号、支持模板变量等。
• 结合argparse扩展参数，可让脚本更灵活地服务于不同应用场景。

7.2 实践建议

• 修改前先备份原脚本：cp inference_gpen.py inference_gpen.py.bak
• 测试新命名逻辑时，先用小图试跑，确保不出错
• 若用于生产环境，建议封装成独立配置文件或.yaml控制命名策略
• 注意文件路径权限问题，确保输出目录可写

掌握输出命名的自定义方法，不仅能提升工作效率，还能让你的AI处理流程更加专业、有序。无论是个人使用还是团队协作，清晰的命名规范都是高质量项目的重要标志。

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。