Descarga pytorch generative model collections - Código fuente pytorch generative model collections descarga

pytorch generative model collections

Pitón

1.0.0

Descargar

colecciones de modelos generales de pytorch

Original: [Versión TensorFlow]

Implementación de Pytorch de varios GAN.

Este repositorio fue reimplementado con referencia a las colecciones de modelos generales de tensorflow por Hwalsuk Lee

Traté de implementar este repositorio tanto como sea posible con las colecciones de modelos generativos de tensorflow, pero algunos modelos son un poco diferentes.

Este repositorio se incluye código para el modo CPU Pytorch, pero no probé. Probé solo en el modo GPU pytorch.

Conjunto de datos

Mnista
De moda
Cifar10
Svhn
Stl10
Lsun-lecho

Solo probé el código en Mnist y Fashion-Mnist.

Redes adversas generativas (GANS)

Listas (la tabla se toma prestada de las colecciones de modelos generales de tensorflow)

Nombre	Enlace de papel	Función de valor
Ganancia	Arxiv
LSGAN	Arxiv
WGAN	Arxiv
WGAN_GP	Arxiv
Dragan	Arxiv
CGAN	Arxiv
infoguano	Arxiv
Acgan	Arxiv
Ebgan	Arxiv
COMENZÓ	Arxiv

Variantes de la estructura de GaN (las figuras se toman prestadas de las colecciones de modelos generales de tensor)

Resultados para mnist

La arquitectura de red de generador y discriminador es el sams exactos como en el papel de Infogan.
Para una comparación justa de las ideas centrales en todas las variantes de GaN, todas las implementaciones para la arquitectura de red se mantienen mismas excepto EBGan y comenzaron. Se realiza una pequeña modificación para EBGan/Comenzan, ya que los adoptan la estructura automática de codificadores para discriminadores. Pero traté de mantener la capacidad de Discirminator.

Los siguientes resultados pueden reproducirse con el comando:

 python main.py --dataset mnist --gan_type <TYPE> --epoch 50 --batch_size 64

Generación fija

Todos los resultados se generan a partir del vector de ruido fijo.

Nombre	Época 1	Época 25	Época 50	Gif
Ganancia
LSGAN
WGAN
WGAN_GP
Dragan
Ebgan
COMENZÓ

Generación condicional

Cada fila tiene el mismo vector de ruido y cada columna tiene la misma condición de etiqueta.

Nombre	Época 1	Época 25	Época 50	Gif
CGAN
Acgan
infoguano

Infogan: manipulación de dos códigos continuos

Todos los resultados tienen el mismo vector de ruido y condición de etiqueta, pero tienen un vector continuo diferente.

Nombre	Época 1	Época 25	Época 50	Gif
infoguano

Trama de pérdida

Nombre	Pérdida
Ganancia
LSGAN
WGAN
WGAN_GP
Dragan
Ebgan
COMENZÓ
CGAN
Acgan
infoguano

Resultados para la moda-mnist

Los comentarios sobre la arquitectura de red en MNIST también se aplican a aquí.
Fashion-Mnist es un conjunto de datos recientemente propuesto que consiste en un conjunto de capacitación de 60,000 ejemplos y un conjunto de pruebas de 10,000 ejemplos. Cada ejemplo es una imagen de 28x28 en escala de grises, asociada con una etiqueta de 10 clases. (Camiseta/tapa, pantalón, jersey, vestido, abrigo, sandalia, camisa, zapatilla de deporte, bolsa, botín de tobillo)