HyperGAN

Readme

Hypergan 1.0

Un GaN compuesto construido para desarrolladores, investigadores y artistas.

Hypergan está en prelanzamiento y abierta beta.

Logotipos generados con ejemplos/colorizador

Vea más en el Hypergan YouTube

Tabla de contenido

• Acerca de
• Documentación
• Colegio de cambios
• Comienzo rápido
  • Requisitos
  • Instalar
  • Tren
• API
  • Uso de un modelo hipergan entrenado
  • Entrenar a un gan
  • Ejemplos
  • Tutoriales
• El paquete Pip Hypergan
  • Capacitación
  • Muestreo
  • Argumentos adicionales
  • Ejecutando en CPU
  • Solución de problemas
  • Modo de desarrollo
• Conjuntos de datos
  • Creación de un conjunto de datos
  • Conjuntos de datos descargables
  • Limpieza de datos
• Características
• Escaparate
• Patrocinadores
• Que contribuye
• Versiones
• Citación

Acerca de

Hypergan construye redes adversas generativas en Pytorch y las hace fáciles de entrenar y compartir.

Para una introducción general a Gans, ver http://blog.aylien.com/introduction-generative-adversarial-networks-code-tensorflow/

Únete a la discordia comunitaria.

Documentación

• Documentación de Gitbook

Colegio de cambios

Vea el CangeLog completo aquí: ChangeLog.MD

Comienzo rápido

Requisitos

OS: Windows, OSX, Linux

Para el entrenamiento:

GPU: NVIDIA, GTX 1080+ Recomendado

Instalar

1. Instalar Hypergan para usuarios: pip3 install hypergan

Para desarrolladores: descargue este repositorio y ejecute python3 setup.py develop

2. Probarlo

• hypergan train preset:celeba -s 128x128x3

3. Únete a la comunidad

• Una vez que haya hecho algo genial, asegúrese de compartirlo en Discord (https://discord.gg/t4wwbpf).

Crear un nuevo modelo

  hypergan new mymodel

Esto creará un mymodel.json basado en la configuración predeterminada. Puede cambiar las plantillas de configuración con el indicador -c .

Lista de plantillas de configuración

  hypergan new mymodel -l

Consulte todas las plantillas de configuración con --list-templates o -l .

Tren

  hypergan train folder/ -s 32x32x3 -c mymodel --resize

API

 import hypergan as hg

Tenga en cuenta que esta API está actualmente en trabajo en 1.0. Si está leyendo esto antes de que se lance 1.0, verifique los ejemplos.

Vea la documentación de Gitbook para obtener más detalles.

Uso de un modelo hipergan entrenado

 my_gan = hg . GAN ( 'model.hypergan' )
batch_sample = my_gan . sample ()

Entrenar a un gan

 gan = hg . GAN ( "default.json" , inputs = hg . inputs . ImageLoader (...))
trainable_gan = hg . TrainableGAN ( gan )
for step in trainable_gan . train ():
    print ( "I'm on step " , step )

Ejemplos

Vea los ejemplos https://github.com/hypergan/hypergan/tree/master/examples

Tutoriales

Vea los tutoriales https://hypergan.gitbook.io/hypergan/tutorials

El paquete Pip Hypergan

pip install hypergan

Capacitación

  # Train a 32x32 gan with batch size 32 on a folder of pngs
  hypergan train [folder] -s 32x32x3 -b 32 --config [name]

Muestreo

  hypergan sample [folder] -s 32x32x3 -b 32 --config [name] --sampler batch_walk --save_samples

Por defecto, Hypergan no guardará muestras de entrenamiento en el disco. Para cambiar esto, use --save_samples .

Argumentos adicionales

Para ver una lista detallada, ejecute

  hypergan -h

Ejecutando en CPU

Puede cambiar el backend con:

  hypergan [...] -B cpu

¡No entrene en la CPU! Es demasiado lento.

Solución de problemas

Asegúrese de que sus controladores Cuda, Nvidia, almohada, Pytorch y Pytorch Vision sean la última versión.

Revise la discordia en busca de ayuda.

Modo de desarrollo

Si desea modificar Hypergan

git clone https://github.com/hypergan/hypergan
cd hypergan
python3 setup.py develop

Asegúrese de pip3 uninstall hypergan para evitar conflictos de versión.

Conjuntos de datos

Para crear una nueva red, necesita un conjunto de datos.

Creación de un conjunto de datos

Los conjuntos de datos en Hypergan están destinados a ser simples de crear. Simplemente use una carpeta de imágenes. Las carpetas anidadas también funcionan.

Limpieza de datos

Hypergan está construido para ser resistente a todos los tipos de datos inmundos. Por defecto, las imágenes se redimensionan y luego se recortan si es necesario.

Consulte --nocrop , --random_crop y --resize para opciones adicionales de escala de imágenes.

Características

Una lista de características en la versión 1.0:

• API
• CLI
• Visor: una aplicación de electrones para explorar y crear modelos
• Plataforma cruzada: Windows, OSX, Linux
• Inferencia: agregue la generación de contenido de IA a su proyecto
• Capacitación: entrenar modelos personalizados utilizando backends de capacitación paralelo acelerado
• Compartir: compartir modelos construidos entre sí. Úselos en proyectos de Python como modelos Hypergan, o en cualquier proyecto como modelos ONXX
• Personalizable: defina arquitecturas personalizadas en el JSON o reemplace cualquier componente con su propia creación de Pytorch
• Datos: creado para trabajar en datos inmunes y múltiples tipos de datos
• Aprendizaje no supervisado
• Alineación sin supervisión: alinee una distribución a otra o descubra nuevas distribuciones novedosas.
• Transferir el aprendizaje
• Aprendizaje en línea

Escaparate

1.0 Los modelos todavía están entrenando

¡Envíe su escaparate con una solicitud de extracción!

Para más información, vea la habitación #showcase en

Patrocinadores

Ahora estamos aceptando patrocinadores financieros. El patrocinador para (opcionalmente) se enumera aquí.

https://github.com/sponsors/hypergan

Que contribuye

¡Las contribuciones son bienvenidas y apreciadas! Tenemos muchos problemas abiertos en la pestaña Problemas . Únete a la discordia.

Vea cómo contribuir.

Versiones

Hypergan usa versiones semánticas. http://semver.org/

TLDR: xyz

• X se incrementa en lanzamientos públicos estables.
• y se incrementa en los cambios de ruptura de la API. Esto incluye cambios de archivo de configuración y cambios de construcción de gráficos.
• Z se incrementa en cambios de ruptura no API. Z Los cambios podrán recargar un gráfico guardado.

Citación

  HyperGAN Community
  HyperGAN, (2016-2020+), 
  GitHub repository, 
  https://github.com/HyperGAN/HyperGAN

Hypergan viene sin garantía ni soporte.