หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

readme

Hypergan 1.0

GAN ที่สร้างขึ้นได้สำหรับนักพัฒนานักวิจัยและศิลปิน

Hypergan อยู่ในการวางจำหน่ายก่อนและเปิดเบต้า

โลโก้ที่สร้างขึ้นด้วย ตัวอย่าง/colorizer

ดูเพิ่มเติมเกี่ยวกับ Hypergan YouTube

สารบัญ

  • เกี่ยวกับ
  • เอกสาร
  • การเปลี่ยนแปลง
  • เริ่มต้นอย่างรวดเร็ว
    • ความต้องการ
    • ติดตั้ง
    • รถไฟ
  • API
    • ใช้โมเดล Hypergan ที่ผ่านการฝึกอบรม
    • ฝึกกาน
    • ตัวอย่าง
    • บทเรียน
  • แพ็คเกจ PIP Hypergan
    • การฝึกอบรม
    • การสุ่มตัวอย่าง
    • อาร์กิวเมนต์เพิ่มเติม
    • ทำงานบน CPU
    • การแก้ไขปัญหา
    • โหมดการพัฒนา
  • ชุดข้อมูล
    • การสร้างชุดข้อมูล
    • ชุดข้อมูลที่ดาวน์โหลดได้
    • การทำความสะอาดข้อมูล
  • คุณสมบัติ
  • การแสดง
  • ผู้สนับสนุน
  • การบริจาค
  • การกำหนดเวอร์ชัน
  • การอ้างอิง

เกี่ยวกับ

Hypergan สร้างเครือข่ายที่เป็นปฏิปักษ์ใน Pytorch และทำให้ง่ายต่อการฝึกอบรมและแบ่งปัน

สำหรับการแนะนำทั่วไปเกี่ยวกับ Gans โปรดดู http://blog.aylien.com/introduction-generative-adversarial-networks-code-tensorflow/

เข้าร่วมชุมชน Discord

เอกสาร

  • เอกสาร gitbook

การเปลี่ยนแปลง

ดูการเปลี่ยนแปลงเต็มรูปแบบที่นี่: changelog.md

เริ่มต้นอย่างรวดเร็ว

ความต้องการ

OS: Windows, OSX, Linux

สำหรับการฝึกอบรม:

GPU: Nvidia, GTX 1080+ แนะนำ

ติดตั้ง

  1. ติดตั้ง Hypergan สำหรับผู้ใช้: pip3 install hypergan

สำหรับนักพัฒนา: ดาวน์โหลด repo นี้และเรียกใช้ python3 setup.py develop

  1. ทดสอบ
  • hypergan train preset:celeba -s 128x128x3
  1. เข้าร่วมชุมชน
  • เมื่อคุณทำสิ่งที่ยอดเยี่ยมให้แน่ใจว่าได้แชร์บน Discord (https://discord.gg/t4wwbpf)

สร้างรุ่นใหม่ 

  hypergan new mymodel

สิ่งนี้จะสร้าง mymodel.json ตามการกำหนดค่าเริ่มต้น คุณสามารถเปลี่ยนเทมเพลตการกำหนดค่าด้วยธง -c

รายการเทมเพลตการกำหนดค่า 

  hypergan new mymodel -l

ดูเทมเพลตการกำหนดค่าทั้งหมดที่มี --list-templates หรือ -l

รถไฟ 

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

API 

 import hypergan as hg

หมายเหตุ API นี้กำลังทำงานอยู่ใน 1.0 หากคุณกำลังอ่านสิ่งนี้ก่อนที่จะเผยแพร่ 1.0 ให้ตรวจสอบตัวอย่าง

ดูเอกสาร Gitbook สำหรับรายละเอียดเพิ่มเติม

ใช้โมเดล Hypergan ที่ผ่านการฝึกอบรม 

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

ฝึกกาน 

 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 )

ตัวอย่าง

ดูตัวอย่าง https://github.com/hypergan/hypergan/tree/master/examples

บทเรียน

ดูบทช่วยสอน https://hypergan.gitbook.io/hypergan/Tutorials

แพ็คเกจ PIP Hypergan 

pip install hypergan

การฝึกอบรม 

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

การสุ่มตัวอย่าง 

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

โดยค่าเริ่มต้น Hypergan จะไม่บันทึกตัวอย่างการฝึกอบรมไปยังดิสก์ หากต้องการเปลี่ยนสิ่งนี้ให้ใช้ --save_samples

อาร์กิวเมนต์เพิ่มเติม

หากต้องการดูรายการโดยละเอียด Run 

  hypergan -h

ทำงานบน CPU

คุณสามารถสลับแบ็กเอนด์ด้วย: 

  hypergan [...] -B cpu

อย่าฝึกด้วย CPU! ช้าเกินไป

การแก้ไขปัญหา

ตรวจสอบให้แน่ใจว่าไดรเวอร์ cuda, Nvidia, หมอน, Pytorch และ Pytorch Vision เป็นเวอร์ชั่นล่าสุด

ตรวจสอบความไม่ลงรอยกันเพื่อขอความช่วยเหลือ

โหมดการพัฒนา

หากคุณต้องการปรับเปลี่ยน Hypergan 

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

ตรวจสอบให้แน่ใจว่า pip3 uninstall hypergan เพื่อหลีกเลี่ยงความขัดแย้งในเวอร์ชัน

ชุดข้อมูล

ในการสร้างเครือข่ายใหม่คุณต้องใช้ชุดข้อมูล

การสร้างชุดข้อมูล

ชุดข้อมูลใน Hypergan มีความหมายที่จะสร้างได้ง่าย เพียงแค่ใช้โฟลเดอร์ของภาพ โฟลเดอร์ซ้อนกันก็ใช้งานได้เช่นกัน

การทำความสะอาดข้อมูล

Hypergan ถูกสร้างขึ้นเพื่อให้มีความยืดหยุ่นต่อข้อมูลที่ไม่สะอาดทุกประเภท โดยภาพเริ่มต้นจะถูกปรับขนาดแล้วถูกครอบตัดหากจำเป็น

ดู --nocrop , --random_crop และ --resize สำหรับตัวเลือกการปรับขนาดภาพเพิ่มเติม

คุณสมบัติ

รายการคุณสมบัติในการเปิดตัว 1.0:

  • API
  • CLI
  • Viewer - แอพอิเล็กตรอนเพื่อสำรวจและสร้างโมเดล
  • Cross Platform - Windows, OSX, Linux
  • การอนุมาน - เพิ่มการสร้างเนื้อหา AI ในโครงการของคุณ
  • การฝึกอบรม - ฝึกอบรมแบบกำหนดเองโดยใช้แบ็กเอนด์การฝึกอบรมแบบขนานแบบเร่งด่วน
  • การแบ่งปัน - แบ่งปันโมเดลที่สร้างขึ้นซึ่งกันและกัน ใช้พวกเขาในโครงการ Python เป็นรุ่น Hypergan หรือในโครงการใด ๆ เป็นรุ่น ONXX
  • ปรับแต่งได้ - กำหนดสถาปัตยกรรมที่กำหนดเองใน JSON หรือแทนที่ส่วนประกอบใด ๆ ด้วยการสร้าง pytorch ของคุณเอง
  • ข้อมูล - สร้างขึ้นเพื่อทำงานกับข้อมูลที่ไม่สะอาดและประเภทข้อมูลหลายชนิด
  • การเรียนรู้ที่ไม่ได้รับการดูแล
  • การจัดตำแหน่งที่ไม่ได้รับการดูแล - จัดจำหน่ายหนึ่งการกระจายไปยังอีกหรือค้นพบการแจกแจงนวนิยายใหม่
  • ถ่ายโอนการเรียนรู้
  • การเรียนรู้ออนไลน์

การแสดง

1.0 รุ่นยังคงเป็นการฝึกอบรม

ส่งโชว์เคสของคุณพร้อมคำขอดึง!

สำหรับข้อมูลเพิ่มเติมให้ดูห้อง #Showcase ใน

ผู้สนับสนุน

ตอนนี้เรายอมรับผู้สนับสนุนทางการเงิน สปอนเซอร์ไปที่ (ทางเลือก) แสดงรายการที่นี่

https://github.com/sponsors/hypergan

การบริจาค

ยินดีต้อนรับและชื่นชม! เรามีปัญหาเปิดมากมายในแท็บ ปัญหา เข้าร่วม Discord

ดูวิธีการมีส่วนร่วม

การกำหนดเวอร์ชัน

Hypergan ใช้เวอร์ชันความหมาย http://semver.org/

tldr: xyz

  • X จะเพิ่มขึ้นในการเผยแพร่สาธารณะที่มั่นคง
  • y จะเพิ่มขึ้นในการเปลี่ยนแปลงการทำลาย API ซึ่งรวมถึงการเปลี่ยนแปลงไฟล์การกำหนดค่าและการเปลี่ยนแปลงการก่อสร้างกราฟ
  • Z จะเพิ่มขึ้นในการเปลี่ยนแปลงที่ไม่ใช่ API การเปลี่ยนแปลง Z จะสามารถโหลดกราฟที่บันทึกไว้ได้อีกครั้ง

การอ้างอิง 

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

Hypergan มาพร้อมกับการรับประกันหรือการสนับสนุน

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด