HyperGAN

Ридме

Гиперган 1.0

Компонируемый GAN, построенный для разработчиков, исследователей и художников.

Гиперган находится в предварительной релизе и открытой бета-версии.

Логотипы, сгенерированные с примерами/колоризером

Посмотрите больше на гипергане YouTube

Оглавление

• О
• Документация
• Изменение
• Быстрый старт
  • Требования
  • Установить
  • Тренироваться
• API
  • Использование обученной модели гипергана
  • Обучение Gan
  • Примеры
  • Учебные пособия
• PIP -пакет гиперган
  • Обучение
  • Выборка
  • Дополнительные аргументы
  • Бег по процессору
  • Поиск неисправностей
  • Режим разработки
• Наборы данных
  • Создание набора данных
  • Загружаемые наборы данных
  • Очистка данных
• Функции
• Витрина
• Спонсоры
• Внося
• Версии
• Цитирование

О

Hypergan строит генеративные состязательные сети в Pytorch и облегчает их обучение и делиться.

Для общего введения в Ганс см. Http://blog.aylien.com/introduction-generative-adverarial-networks-code-tensorflow/

Присоединяйтесь к сообществу.

Документация

• Gitbook документация

Изменение

Смотрите полную изменение изменений здесь: Changelog.md

Быстрый старт

Требования

ОС: Windows, OSX, Linux

Для обучения:

Графический процессор: NVIDIA, GTX 1080+ рекомендуется

Установить

1. Установите Hypergan для пользователей: pip3 install hypergan

Для разработчиков: загрузите это репо и запустите python3 setup.py develop

2. Проверьте это

• hypergan train preset:celeba -s 128x128x3

3. Присоединяйтесь к сообществу

• После того, как вы сделали что -то крутое, обязательно поделитесь этим в Discord (https://discord.gg/t4wwbpf).

Создать новую модель

  hypergan new mymodel

Это создаст Mymodel.json, основанный на конфигурации по умолчанию. Вы можете изменить шаблоны конфигурации с флагом -c .

Список шаблонов конфигурации

  hypergan new mymodel -l

Смотрите все шаблоны конфигурации с помощью --list-templates или -l .

Тренироваться

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

API

 import hypergan as hg

Обратите внимание, что этот API в настоящее время находится под работе в 1.0. Если вы читаете это до выпуска 1.0, проверьте примеры.

Смотрите документацию Gitbook для получения более подробной информации.

Использование обученной модели гипергана

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

Обучение 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 )

Примеры

Смотрите примеры https://github.com/hypergan/hypergan/tree/master/examples

Учебные пособия

Смотрите учебники https://hypergan.gitbook.io/hypergan/tutorials

PIP -пакет гиперган

pip install hypergan

Обучение

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

Выборка

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

По умолчанию Hypergan не будет экономить обучающие образцы на диск. Чтобы изменить это, используйте --save_samples .

Дополнительные аргументы

Чтобы увидеть подробный список, запустите

  hypergan -h

Бег по процессору

Вы можете переключить бэкэнд с:

  hypergan [...] -B cpu

Не тренируйтесь на процессоре! Это слишком медленно.

Поиск неисправностей

Убедитесь, что ваши Cuda, Nvidia Drivers, Pillow, Pytorch и Pytorch Vision являются последней версией.

Проверьте раздор для получения помощи.

Режим разработки

Если вы хотите изменить гиперган

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

Убедитесь, что pip3 uninstall hypergan чтобы избежать конфликтов версий.

Наборы данных

Чтобы создать новую сеть, вам нужен набор данных.

Создание набора данных

Наборы данных в гипергане предназначены для создания. Просто используйте папку изображений. Вложенные папки тоже работают.

Очистка данных

Гиперган построен, чтобы быть устойчивыми ко всем типам нечистых данных. По умолчанию изображения изменяются, затем обрезаются при необходимости.

--random_crop --nocrop --resize

Функции

Список функций в выпуске 1.0:

• API
• Кли
• Viewer - приложение для электронов для изучения и создания моделей
• Кросс -платформ - Windows, OSX, Linux
• Вывод - добавьте генерацию контента искусственного интеллекта в свой проект
• Обучение - тренировочные модели с использованием ускоренных параллельных тренировок бэкэндов
• Обмен - Поделитесь встроенными моделями друг с другом. Используйте их в Python Projects в качестве моделей Hypergan или в любом проекте в качестве моделей ONXX
• Настраиваемая - определить пользовательские архитектуры в JSON или замените любой компонент своим собственным созданием Pytorch
• Данные - построены для работы над нечистыми данными и несколькими типами данных
• Неконтролируемое обучение
• Неконтролируемое выравнивание - выравнивайте одно распределение с другим или открыть для себя новые новые распределения.
• Передача обучения
• Онлайн -обучение

Витрина

1.0 модели все еще тренируются

Отправьте свою витрину с помощью запроса на притяжение!

Для получения дополнительной информации посмотрите в комнате #Showcase в

Спонсоры

Сейчас мы принимаем финансовых спонсоров. Спонсор (необязательно) будет перечислен здесь.

https://github.com/sponsors/hypergan

Внося

Взносы приветствуются и ценятся! У нас много открытых проблем на вкладке «Проблемы» . Присоединяйтесь к разногласию.

Посмотрите, как внести свой вклад.

Версии

Hypergan использует семантическую версию. http://semver.org/

TLDR: XYZ

• x увеличивается на стабильных общественных выпусках.
• y увеличивается при изменениях API. Это включает в себя изменения файла конфигурации и изменения конструкции графика.
• Z увеличивается при изменениях не разбивающих AAPI. z изменений смогут перезагрузить сохраненный график.

Цитирование

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

Гиперган поставляется без гарантии или поддержки.