论文地址：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
PyTorch代码：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix
CycleGAN（或许）是首个将GAN用于风格迁移的网络。
CycleGAN的作用本质是Image2Image的风格迁移，并不是传统意义上的生成。
相比于其它Image2Image的网络，CycleGAN并不需要成对的样本数据用来训练，而仅仅需要两组无关的图片，其中目标样本通常为一组风格相似的图片集。
为了避免网络将X中所有样本映射到Y中的某一个样本，CycleGAN同时包含Y→X的映射，要求网络能够对自己生成的图片进行还原。这使得F(X)必须包含X的内容信息，因此更容易学习Y整体的风格信息（大概）。
