CycleGAN (Cycle-Consistent Adversarial Networks) 是一种用于无配对图像到图像转换 (Unpaired Image-to-Image Translation) 的深度学习模型。核心突破 ：传统的图像转换（如 Pix2Pix）需要成对的训练数据（例如同一位置的白天和黑夜照片）。CycleGAN 不需要一一对应的配对数据，只需要两个不同域的数据集（例如一堆

左边造假钞（生成器），右边验钞机（判别器），两者在训练循环中通过 Loss（损失函数）互相博弈，最终目的是让左边的生成器能造出以假乱真的人脸照片。输入 (Input)： 图片左侧的灰色方块 “Random Noise (z)” 代表输入给生成器的随机噪声向量。训练生成器 (Train G)： 图中的红色/绿色标记示意了梯度的反向传播。生成器的目的是让判别器把假图“误判”为真图（即让判别器输出 1）

因为我安装的pytorch2.7.0+cpu，最多能安装成功torchtext版本是0.6.0，总是报错，所以就手动构建词汇表类。