Portátiles adversos generativos
Colección de mis implementaciones generativas de redes adversas
La mayoría de los códigos son para Python3, la mayoría de los cuadernos trabajan en
Ciclo
- Ciclovanate
- Ciclogan-kinos
Resultados de ciclo
Resultado después de 3 horas y 58 épocas en un GTX 1080. De arriba a abajo: entrada, falsa, recrea la entrada.
Resultado de enfrentamiento. De arriba a abajo: entrada, falsa, recrea la entrada. [Video de YouTube] (https://www.youtube.com/watch?v=fea4kzq0ofq)
pix2pix
- Pix2pix-kinos: implementación de Pix2pix Gan Keras
- PIX2PIX-LASAGNE: PIX2PIX GAN LASAGNE IMPLEMENTACIÓN
- Pix2pix-Torch: implementación de Pix2pix Gan Pytorch
Resultados de la muestra de PIX2PIX
Resultado de validación de bordes a chapas después de 12 épocas. De arriba a abajo: entrada, verdad terrestre, el resultado.
Resultado de validación del conjunto de datos de fachadas después de 150 épocas usando resnet. De arriba a abajo: entrada, verdad terrestre, el resultado.
WGAN en CIFAR10
- WGan-Kinos: Wasserstein Gan Keras Implementación
- WGAN-LASAGNE: Wasserstein Gan LaSagne Implementation
- Wangan-Torch: implementación de Wasserstein Gan Pytorch basada en https://github.com/martinarjovsky/wassersteingan
WGAN2 (WGan/WGAN-GP mejorado)
- WGAN2-LaAsaña: implementación mejorada de WGan lasaña (en CIFAR10)
- WGan2-Kinas: Implementación mejorada de WGan Keras (en CIFAR10)
- WGan2-LaSagne-Anime: Wgan on Anime Face Images, Lasaña
- WGAN2-AC-LASAGNE: Implementación mejorada de WGan lasaña con clase auxilar
Resultados de la muestra de WGan2
- conjunto de datos CIFAR10
- conjunto de datos CIFAR10 con clases auxilares
- conjunto de datos de la cara de anime
Infoguano
- Mnist-Infogan: Infogan Lasaña en el conjunto de datos MNIST
- Mnist-Infogan-Paper-Uniform: Infogan Lasaña en el conjunto de datos MNIST (flujo de implementación en papel)
Resultados de la muestra de Infogan
Dcgan
- Dcgan-LaSagne: Dcgan en lasaña
Resultados de la muestra de DCGAN
