torchgan Téléchargement - torchgan Téléchargement du code source

torchgan

Python

JOSS Paper Accepted

Télécharger

Torchgan

Cadre pour une formation facile et efficace des Gans basés sur Pytorch

Torchgan est un cadre basé sur Pytorch pour concevoir et développer des réseaux adversaires génératifs. Ce cadre a été conçu pour fournir des éléments constitutifs aux Gans populaires et également pour permettre la personnalisation des recherches de pointe. L'utilisation de la structure modulaire de Torchgan permet

Essayer des modèles GAN populaires sur votre ensemble de données.
Branchez votre nouvelle fonction de perte, votre nouvelle architecture, etc. avec les traditionnelles.
Visualisez de manière transparente la formation avec une variété de backends forestiers.

Version système / pytorch	1.8	1.9	chaque nuit
Linux Py3.8
Linux Py3.9
OSX PY3.8
OSX PY3.9
Windows Py3.9
Windows Py3.9

Installation

Utilisation de PIP (pour une libération stable):

  $ pip install torchgan

Utilisation de PIP (pour le dernier maître):

  $ pip install git+https://github.com/torchgan/torchgan.git

De la source:

  $ git clone https://github.com/torchgan/torchgan.git
  $ cd torchgan
  $ python setup.py install

Documentation

La documentation est disponible ici

La documentation de ce package peut être générée localement.

  $ git clone https://github.com/torchgan/torchgan.git
  $ cd torchgan/docs
  $ pip install -r requirements.txt
  $ make html

Ouvrez maintenant le fichier correspondant à partir du répertoire build .

Tutoriels

Le répertoire tutorials contient un ensemble de tutoriels pour vous aider à démarrer avec Torchgan. Ces tutoriels peuvent être exécutés à l'aide de Google Colab ou du liant. Il est fortement recommandé de suivre les tutoriels dans l'ordre suivant.

Tutoriels d'introduction:
- Tutoriel 1: Introduction à Torchgan
- Tutoriel 2: Fonctions de perte personnalisées
Tutoriels intermédiaires:
- Tutoriel 3: Cyclegan
- Tutoriel 4: Gan de l'attention de soi
Tutoriels avancés:
- Tutoriel 5: Autoencoder adversaire

Soutenir et citer

Ce logiciel a été développé dans le cadre de la recherche universitaire. Si vous souhaitez aider à le soutenir, veuillez jouer le référentiel. Si vous utilisez ce logiciel dans le cadre de vos recherches, de votre enseignement ou d'autres activités, nous vous serons reconnaissants si vous pouviez citer ce qui suit:

 @article{Pal2021,
  doi = {10.21105/joss.02606},
  url = {https://doi.org/10.21105/joss.02606},
  year = {2021},
  publisher = {The Open Journal},
  volume = {6},
  number = {66},
  pages = {2606},
  author = {Avik Pal and Aniket Das},
  title = {TorchGAN: A Flexible Framework for GAN Training and Evaluation},
  journal = {Journal of Open Source Software}
}

Liste des publications et soumissions à l'aide de Torchgan (veuillez ouvrir une demande de traction pour ajouter des entrées manquantes):

Le trafic réseau généré par le GAN peut-il être utilisé pour former des classificateurs d'anomalies de trafic?
Ward2icu: un ensemble de données de signes vitaux des patients hospitalisés du quartier général

Contributif

Nous apprécions toutes les contributions. Si vous envisagez de contribuer des fixations de bogues, veuillez le faire sans aucune discussion plus approfondie. Si vous prévoyez de contribuer de nouvelles fonctionnalités, fonctions utilitaires ou extensions, veuillez d'abord ouvrir un problème et discuter de la fonctionnalité avec nous. Pour des directives plus détaillées, rendez-vous à la documentation officielle.