HyperGAN

读书我

HyperGAN 1.0

为开发人员，研究人员和艺术家建造的合成gan。

Hypergan处于预发行和开放式β处。

用示例/着色器生成的徽标

在Hypergan YouTube上查看更多

目录

• 关于
• 文档
• ChangElog
• 快速开始
  • 要求
  • 安装
  • 火车
• API
  • 使用训练有素的HyperGAN模型
  • 训练gan
  • 例子
  • 教程
• PIP软件包Hypergan
  • 训练
  • 采样
  • 其他参数
  • 在CPU上运行
  • 故障排除
  • 开发模式
• 数据集
  • 创建数据集
  • 可下载的数据集
  • 清理数据
• 特征
• 展示柜
• 赞助商
• 贡献
• 版本控制
• 引用

关于

Hypergan在Pytorch建立了生成的对抗网络，使它们易于训练和分享。

有关gan的一般介绍

加入社区不和谐。

文档

• Gitbook文档

ChangElog

在此处查看完整的ChangElog：changelog.md

快速开始

要求

OS：Windows，OSX，Linux

用于培训：

GPU：NVIDIA，GTX 1080+推荐

安装

1. 为用户安装HyperGAN： pip3 install hypergan

对于开发人员：下载此仓库并运行python3 setup.py develop

2. 测试它

• hypergan train preset:celeba -s 128x128x3

3. 加入社区

• 一旦您做出了很酷的问题，请务必在Discord（https://discord.gg/t4wwbpf）上共享。

创建一个新模型

  hypergan new mymodel

这将基于默认配置创建mymodel.json。您可以使用-c标志更改配置模板。

列表配置模板

  hypergan new mymodel -l

请参阅所有带有--list-templates或-l配置模板。

火车

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

API

 import hypergan as hg

请注意，此API目前正在1.0中工作。如果您在发布1.0之前正在阅读此书，请检查示例。

有关更多详细信息，请参见GitBook文档。

使用训练有素的HyperGAN模型

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

训练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 )

例子

请参阅示例https://github.com/hypergan/hypergan/hypergan/tree/master/examples

教程

请参阅教程https://hypergan.gitbook.io/hypergan/tutorials

PIP软件包Hypergan

pip install hypergan

训练

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

采样

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

默认情况下，HyperGAN不会将培训样本保存到磁盘上。要更改此操作，请使用--save_samples 。

其他参数

要查看详细列表，请运行

  hypergan -h

在CPU上运行

您可以使用以下方式切换后端：

  hypergan [...] -B cpu

不要在CPU上训练！太慢了。

故障排除

确保您的CUDA，NVIDIA驱动程序，枕头，Pytorch和Pytorch Vision是最新版本。

检查不和谐以寻求帮助。

开发模式

如果您想修改Hypergan

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

确保pip3 uninstall hypergan ，以避免版本冲突。

数据集

要构建一个新的网络，您需要一个数据集。

创建数据集

HyperGAN中的数据集的创建非常易于创建。只需使用图像文件夹即可。嵌套文件夹也可以工作。

清理数据

HyperGAN的构建具有适合所有类型的不干净数据的弹性。默认情况下，调整了图像，然后在必要时进行裁剪。

请参阅--nocrop ， --random_crop和--resize以获取其他图像缩放选项。

特征

1.0版本中的功能列表：

• API
• CLI
• 查看器 - 一个用于探索和创建模型的电子应用程序
• 跨平台 - Windows，OSX，Linux
• 推理 - 在您的项目中添加AI内容生成
• 培训 - 使用加速平行训练后端的火车定制模型
• 共享 - 共享构建模型。在Python项目中将它们用作HyperGAN模型，或在任何项目中作为ONXX型号
• 可自定义 - 在JSON中定义自定义体系结构，或用自己的Pytorch创建替换任何组件
• 数据 - 为不干净的数据和多种数据类型而构建
• 无监督的学习
• 无监督的对齐方式 - 将一个分布与另一个分布保持一致或发现新的新颖分布。
• 转移学习
• 在线学习

展示柜

1.0型号仍在训练

提交您的展示柜，请求！

有关更多信息，请参阅#Showcase Room

赞助商

我们现在正在接受财务赞助商。赞助商（可选）在此处列出。

https://github.com/sponsors/hypergan

贡献

欢迎和赞赏捐款！我们在“问题”选项卡中有许多开放问题。加入不和谐。

看看如何贡献。

版本控制

HyperGAN使用语义版本控制。 http://semver.org/

tldr： xyz

• X在稳定的公共发行版中会增加。
• Y在API破裂变化上会增加。这包括配置文件更改和图形构造更改。
• z在非API破坏变化上会增加。 Z更改将能够重新加载保存的图。

引用

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

Hypergan没有保修或支持。