pytorch generative model collections
1.0.0
الأصل: [نسخة TensorFlow]
تنفيذ Pytorch لمختلف الخناق.
تم إعادة تنفيذ هذا المستودع بالإشارة إلى توحيدات النموذج التنكسي المتناسق من قبل Hwalsuk لي
حاولت تنفيذ هذا المستودع قدر الإمكان من خلال توحيدات النموذج التنكسي Tensorflow ، ولكن بعض النماذج مختلفة بعض الشيء.
يتم تضمين هذا المستودع رمز لوضع وحدة المعالجة المركزية Pytorch ، لكنني لم أختبر. لقد اختبرت فقط في وضع GPU Pytorch.
| اسم | رابط الورق | وظيفة القيمة |
|---|---|---|
| جان | arxiv |  |
| Lsgan | arxiv |  |
| Wgan | arxiv |  |
| wgan_gp | arxiv |  |
| دراغان | arxiv |  |
| كان | arxiv |  |
| إنفوجان | arxiv |  |
| acgan | arxiv |  |
| ebgan | arxiv |  |
| بدأ | arxiv |  |
هندسة الشبكة من المولد والتمييز هي sames exaclty كما هو الحال في ورقة infogan.
للمقارنة العادلة للأفكار الأساسية في جميع المتغيرات GAN ، يتم الاحتفاظ بجميع تطبيقات بنية الشبكة نفسها باستثناء Ebgan وبدأت. يتم تعديل صغير لـ EBGAN/بدأ ، لأن أولئك الذين يعتمدون ترميزًا تلقائيًا للتمييز. لكنني حاولت الحفاظ على قدرة التمييز.
يمكن استنساخ النتائج التالية مع الأمر:
python main.py --dataset mnist --gan_type <TYPE> --epoch 50 --batch_size 64
يتم إنشاء جميع النتائج من متجه الضوضاء الثابتة.
| اسم | عصر 1 | عصر 25 | عصر 50 | GIF |
|---|---|---|---|---|
| جان |  |  |  |  |
| Lsgan |  |  |  |  |
| Wgan |  |  |  |  |
| wgan_gp |  |  |  |  |
| دراغان |  |  |  |  |
| ebgan |  |  |  |  |
| بدأ |  |  |  |  |
يحتوي كل صف على نفس متجه الضوضاء ويحتوي كل عمود على نفس حالة التسمية.
| اسم | عصر 1 | عصر 25 | عصر 50 | GIF |
|---|---|---|---|---|
| كان |  |  |  |  |
| acgan |  |  |  |  |
| إنفوجان |  |  |  |  |
جميع النتائج لها نفس متجه الضوضاء وحالة التسمية ، ولكن لديها متجه مستمر مختلف.
| اسم | عصر 1 | عصر 25 | عصر 50 | GIF |
|---|---|---|---|---|
| إنفوجان |  |  |  |  |
| اسم | خسارة |
|---|---|
| جان |  |
| Lsgan |  |
| Wgan |  |
| wgan_gp |  |
| دراغان |  |
| ebgan |  |
| بدأ |  |
| كان |  |
| acgan |  |
| إنفوجان |  |
يتم أيضًا تطبيق تعليقات على هندسة الشبكة في MNIST هنا.
Fashion-Mnist هي مجموعة بيانات مقترحة مؤخرًا تتكون من مجموعة تدريب مكونة من 60000 أمثلة ومجموعة اختبار مكونة من 10000 أمثلة. كل مثال هو صورة رمادية 28 × 28 ، مرتبطة بتسمية من 10 فئات. (تي شيرت/أعلى ، بنطلون ، pulver ، اللباس ، معطف ، صندل ، قميص ، حذاء رياضة ، حقيبة ، حذاء في الكاحل)
يمكن استنساخ النتائج التالية مع الأمر:
python main.py --dataset fashion-mnist --gan_type <TYPE> --epoch 50 --batch_size 64
يتم إنشاء جميع النتائج من متجه الضوضاء الثابتة.
| اسم | عصر 1 | عصر 25 | عصر 50 | GIF |
|---|---|---|---|---|
| جان |  |  |  |  |
| Lsgan |  |  |  |  |
| Wgan |  |  |  |  |
| wgan_gp |  |  |  |  |
| دراغان |  |  |  |  |
| ebgan |  |  |  |  |
| بدأ |  |  |  |  |
يحتوي كل صف على نفس متجه الضوضاء ويحتوي كل عمود على نفس حالة التسمية.
| اسم | عصر 1 | عصر 25 | عصر 50 | GIF |
|---|---|---|---|---|
| كان |  |  |  |  |
| acgan |  |  |  |  |
| إنفوجان |  |  |  |  |
جميع النتائج لها نفس متجه الضوضاء وحالة التسمية ، ولكن لديها متجه مستمر مختلف.
| اسم | عصر 1 | عصر 25 | عصر 50 | GIF |
|---|---|---|---|---|
| إنفوجان |  |  |  |  |
| اسم | خسارة |
|---|---|
| جان |  |
| Lsgan |  |
| Wgan |  |
| wgan_gp |  |
| دراغان |  |
| ebgan |  |
| بدأ |  |
| كان |  |
| acgan |  |
| إنفوجان |  |
يظهر التالية هيكل المجلد الأساسي.
├── main.py # gateway
├── data
│ ├── mnist # mnist data (not included in this repo)
│ ├── ...
│ ├── ...
│ └── fashion-mnist # fashion-mnist data (not included in this repo)
│
├── GAN.py # vainilla GAN
├── utils.py # utils
├── dataloader.py # dataloader
├── models # model files to be saved here
└── results # generation results to be saved here
وقد استند هذا التنفيذ إلى توحيد النموذج التنكسي Tensorflow واختباره مع Pytorch 0.4.0 على Ubuntu 16.04 باستخدام GPU.
