pytorch generative model collections

pytorch-generative-model-collections

オリジナル：[Tensorflowバージョン]

さまざまなGANのPytorch実装。

このリポジトリは、Hwalsuk LeeによるTensorflow世代のモデル収集に関連して再実装されました

Tensorflow-Generative-Model-Collectionsでこのリポジトリをできる限り実装しようとしましたが、一部のモデルは少し異なります。

このリポジトリには、CPUモードPytorchのコードが含まれていますが、テストしませんでした。 GPUモードPytorchでのみテストしました。

データセット

• mnist
• ファッションミスト
• CIFAR10
• svhn
• STL10
• lsun-bed

MnistとFashion-Mnistのコードのみをテストしました。

生成敵のネットワーク（GANS）

リスト（テーブルはTensorflow-Generative-Model-Collectionsから借用されています）

名前	紙のリンク	値関数
ガン	arxiv
lsgan	arxiv
wgan	arxiv
WGAN_GP	arxiv
ドラガン	arxiv
cgan	arxiv
インフォガン	arxiv
Acgan	arxiv
エブガン	arxiv
始まった	arxiv

GAN構造のバリエーション（図はTensorflow世代モデル収集から借用されています）

Mnistの結果

ジェネレーターと判別器のネットワークアーキテクチャは、Infogan Paperのように断念のsamesです。
すべてのGANバリエーションのコアアイデアを公平に比較するために、ネットワークアーキテクチャのすべての実装はEBGANを除いて同じままになり、開始されます。 EBGANのために小さな変更が行われます。これらは、識別子に自動エンコーダーストラキュアを採用しているためです。しかし、私は議論者の能力を維持しようとしました。

次の結果は、コマンドで再現できます。

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

固定世代

すべての結果は、固定ノイズベクトルから生成されます。

名前	エポック1	エポック25	エポック50	gif
ガン
lsgan
wgan
WGAN_GP
ドラガン
エブガン
始まった

条件付き生成

各行には同じノイズベクトルがあり、各列には同じラベル条件があります。

名前	エポック1	エポック25	エポック50	gif
cgan
Acgan
インフォガン

Infogan：2つの連続コードを操作します

すべての結果は同じノイズベクトルとラベル条件を持っていますが、連続ベクトルが異なります。

名前	エポック1	エポック25	エポック50	gif
インフォガン

損失プロット

名前	損失
ガン
lsgan
wgan
WGAN_GP
ドラガン
エブガン
始まった
cgan
Acgan
インフォガン

ファッションマニストの結果

Mnistのネットワークアーキテクチャに関するコメントもここに適用されます。
Fashion-Mnistは、60,000の例のトレーニングセットと10,000の例のテストセットで構成される最近提案されたデータセットです。各例は、10クラスのラベルに関連付けられた28x28のグレースケール画像です。 （Tシャツ/トップ、ズボン、プルオーバー、ドレス、コート、サンダル、シャツ、スニーカー、バッグ、足首ブーツ）

次の結果は、コマンドで再現できます。

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

固定世代

すべての結果は、固定ノイズベクトルから生成されます。

名前	エポック1	エポック25	エポック50	gif
ガン
lsgan
wgan
WGAN_GP
ドラガン
エブガン
始まった

条件付き生成

各行には同じノイズベクトルがあり、各列には同じラベル条件があります。

名前	エポック1	エポック25	エポック50	gif
cgan
Acgan
インフォガン

• ACGANは、Tensorflow世代のモデル収集のモードコルプスに陥る傾向がありますが、Pytorch Acganはモードコラプスに陥りません。

Infogan：2つの連続コードを操作します

すべての結果は同じノイズベクトルとラベル条件を持っていますが、連続ベクトルが異なります。

名前	エポック1	エポック25	エポック50	gif
インフォガン

損失プロット

名前	損失
ガン
lsgan
wgan
WGAN_GP
ドラガン
エブガン
始まった
cgan
Acgan
インフォガン

フォルダー構造

以下は、基本的なフォルダー構造を示しています。

 ├── 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

開発環境

• Ubuntu 16.04 LTS
• nvidia gtx 1080 ti
• CUDA 9.0
• Python 3.5.2
• Pytorch 0.4.0
• TorchVision 0.2.1
• numpy 1.14.3
• matplotlib 2.2.2
• Imageio 2.3.0
• Scipy 1.1.0

謝辞

この実装は、Tensorflow-Generative-Model-Collectionsに基づいており、GPUを使用してUbuntu 16.04でPytorch 0.4.0でテストされています。