HyperGAN
HyperGAN 1.0 RC 2
為開發人員，研究人員和藝術家建造的合成gan。
Hypergan處於預發行和開放式β處。
用示例/著色器生成的徽標
在Hypergan YouTube上查看更多
Hypergan在Pytorch建立了生成的對抗網絡，使它們易於訓練和分享。
有關gan的一般介紹
加入社區不和諧。
在此處查看完整的ChangElog：changelog.md
OS：Windows，OSX，Linux
用於培訓：
GPU：NVIDIA，GTX 1080+推薦
pip3 install hypergan對於開發人員：下載此倉庫並運行python3 setup.py develop
hypergan train preset:celeba -s 128x128x3 hypergan new mymodel這將基於默認配置創建mymodel.json。您可以使用-c標誌更改配置模板。
hypergan new mymodel -l請參閱所有帶有--list-templates或-l配置模板。
hypergan train folder/ -s 32x32x3 -c mymodel --resize import hypergan as hg請注意，此API目前正在1.0中工作。如果您在發布1.0之前正在閱讀此書，請檢查示例。
有關更多詳細信息，請參見GitBook文檔。
my_gan = hg . GAN ( 'model.hypergan' )
batch_sample = my_gan . sample () 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 )請參閱示例https://github.com/hypergan/hypergan/hypergan/tree/master/examples
請參閱教程https://hypergan.gitbook.io/hypergan/tutorials
pip install hypergan # Train a 32x32 gan with batch size 32 on a folder of pngs
hypergan train [folder] -s 32x32x3 -b 32 --config [name] hypergan sample [folder] -s 32x32x3 -b 32 --config [name] --sampler batch_walk --save_samples默認情況下，HyperGAN不會將培訓樣本保存到磁盤上。要更改此操作，請使用--save_samples 。
要查看詳細列表，請運行
hypergan -h您可以使用以下方式切換後端：
hypergan [...] -B cpu不要在CPU上訓練！太慢了。
確保您的CUDA，NVIDIA驅動程序，枕頭，Pytorch和Pytorch Vision是最新版本。
檢查不和諧以尋求幫助。
如果您想修改Hypergan
git clone https://github.com/hypergan/hypergan
cd hypergan
python3 setup.py develop確保pip3 uninstall hypergan ，以避免版本衝突。
要構建一個新的網絡，您需要一個數據集。
HyperGAN中的數據集的創建非常易於創建。只需使用圖像文件夾即可。嵌套文件夾也可以工作。
HyperGAN的構建具有適合所有類型的不干淨數據的彈性。默認情況下，調整了圖像，然後在必要時進行裁剪。
請參閱--nocrop ， --random_crop和--resize以獲取其他圖像縮放選項。
1.0版本中的功能列表：
提交您的展示櫃，請求！
有關更多信息，請參閱#Showcase Room
我們現在正在接受財務贊助商。贊助商（可選）在此處列出。
https://github.com/sponsors/hypergan
歡迎和讚賞捐款！我們在“問題”選項卡中有許多開放問題。加入不和諧。
看看如何貢獻。
HyperGAN使用語義版本控制。 http://semver.org/
tldr： xyz
HyperGAN Community
HyperGAN, (2016-2020+),
GitHub repository,
https://github.com/HyperGAN/HyperGAN
Hypergan沒有保修或支持。
