Реализация Pytorch «Улучшенная подготовка Wasserstein Gans».
Python, Numpy, Scipy, Matplotlib недавний графический процессор Nvidia
Последняя главная версия Pytorch
gan_toy.py: наборы данных о игрушках (8 гауссов, 25 гауссов, швейцарский ролл). ( Закончено в 2017 году .5.8)
gan_language.py: модель языка на уровне символов (Discinator использует NN.Conv1d . Генератор использует NN.Conv1d . Закончено в 2017.6.23. Завершено в 2017.6.27.)
gan_mnist.py : mnist ( Результаты, выполненные в 2017 году.
Gan_64x64.py: 64x64 Архитектуры ( с нетерпением жду вашего запроса на привлечение )
gan_cifar.py: cifar-10 ( отличное спасибо Robotcator )
Набор данных игрушек
Некоторый пример результата, вы можете обратиться к результатам/ игрушке/ папке для деталей .

25gaussians 48500 итерация

Swissroll 69400 итерация

Набор данных MNIST
Некоторый пример результата, вы можете обратиться к результатам/ MNIST/ папке для деталей .




Генерация языка миллиарда слов (с помощью CNN, уровня символов)
Некоторый результат образца после 8699 эпох, который подробно описан в образце
Я не запускаю достаточно эпох из-за этого, это очень созвучает по времени.
Он выдвинул коврик
Фосты берегов Форрид он PE
Это как приподнятый дефор
Pamreutol The Reved в автомобиле Inson
Ни OP в LECS Ficomens O Fe
В «норси
В Онтеон я разыгрывает этот пирдер,
Это аорация Brobes "Medurn
Рам он реагирует на Thim Atreast
Stinl, который, черт возьми, не T
Остроумие
Это закончилось, тозе Шо Лелох Камм
Набор данных CIFAR10
Некоторый пример результата, вы можете обратиться к результатам/ CiFAR10/ папке для деталей .

На основе реализации igul222/улучшения_wgan_training и Martinarjovsky/Wassersteingan