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
| 组件 | 版本 |
|---|---|
| 核心框架 | PyTorch 2.5.0 |
| CUDA 版本 | 12.4 |
| Python 版本 | 3.11 |
| 推理代码位置 | /root/GPEN |
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==12.0.1sortedcontainers,addict,yapf
2. 快速上手
2.1 激活环境
conda activate torch252.2 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_pathsave_pathargs.outputf'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.pngoldphoto_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.output5. 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.output5.3 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.png6.3 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。
