pytorch generative model collections
1.0.0
原始：[TensorFlow版本]
Pytorch實施各種gan。
該存儲庫是通過HWALSUK LEE來重新實現的。
我試圖通過TensorFlow-Generative-Model-Collections盡可能多地實現此存儲庫，但是有些模型有些不同。
該存儲庫包括CPU模式Pytorch的代碼，但我沒有測試。我僅在GPU模式下測試。
| 姓名 | 紙鏈接 | 價值功能 |
|---|---|---|
| 甘 | arxiv |  |
| lsgan | arxiv |  |
| 恩 | arxiv |  |
| wgan_gp | arxiv |  |
| 德拉曼 | arxiv |  |
| cgan | arxiv |  |
| Infogan | arxiv |  |
| Acgan | arxiv |  |
| EBGAN | arxiv |  |
| 開始 | arxiv |  |
像Infogan Paper一樣，生成器和鑑別器的網絡體系結構是惡劣的SAME。
為了對所有GAN變體中的核心思想進行公平的比較，除Ebgan並開始，所有網絡體系結構的實現都保持不變。對於Ebgan/開始，進行了小的修改，因為那些採用自動編碼器構造來歧視者。但是我試圖保持脫節者的能力。
以下結果可以通過命令複製：
python main.py --dataset mnist --gan_type <TYPE> --epoch 50 --batch_size 64
所有結果都是從固定噪聲矢量產生的。
| 姓名 | 時期1 | 時期25 | 時期50 | GIF |
|---|---|---|---|---|
| 甘 |  |  |  |  |
| lsgan |  |  |  |  |
| 恩 |  |  |  |  |
| wgan_gp |  |  |  |  |
| 德拉曼 |  |  |  |  |
| EBGAN |  |  |  |  |
| 開始 |  |  |  |  |
每一行具有相同的噪聲矢量，並且每列具有相同的標籤條件。
| 姓名 | 時期1 | 時期25 | 時期50 | GIF |
|---|---|---|---|---|
| cgan |  |  |  |  |
| Acgan |  |  |  |  |
| Infogan |  |  |  |  |
所有結果都具有相同的噪聲矢量和標記條件，但具有不同的持續矢量。
| 姓名 | 時期1 | 時期25 | 時期50 | GIF |
|---|---|---|---|---|
| Infogan |  |  |  |  |
| 姓名 | 損失 |
|---|---|
| 甘 |  |
| lsgan |  |
| 恩 |  |
| wgan_gp |  |
| 德拉曼 |  |
| EBGAN |  |
| 開始 |  |
| cgan |  |
| Acgan |  |
| Infogan |  |
關於MNIST網絡架構的評論也適用於此處。
Fashion-Mnist是最近提出的數據集，該數據集由60,000個示例的培訓組和10,000個示例的測試組組成。每個示例都是28x28灰度圖像，與10個類的標籤相關聯。 （T卹/上衣，褲子，套頭衫，禮服，外套，檀香，襯衫，運動鞋，袋子，腳踝靴）
以下結果可以通過命令複製：
python main.py --dataset fashion-mnist --gan_type <TYPE> --epoch 50 --batch_size 64
所有結果都是從固定噪聲矢量產生的。
| 姓名 | 時期1 | 時期25 | 時期50 | GIF |
|---|---|---|---|---|
| 甘 |  |  |  |  |
| lsgan |  |  |  |  |
| 恩 |  |  |  |  |
| wgan_gp |  |  |  |  |
| 德拉曼 |  |  |  |  |
| EBGAN |  |  |  |  |
| 開始 |  |  |  |  |
每一行具有相同的噪聲矢量，並且每列具有相同的標籤條件。
| 姓名 | 時期1 | 時期25 | 時期50 | GIF |
|---|---|---|---|---|
| cgan |  |  |  |  |
| Acgan |  |  |  |  |
| Infogan |  |  |  |  |
所有結果都具有相同的噪聲矢量和標記條件，但具有不同的持續矢量。
| 姓名 | 時期1 | 時期25 | 時期50 | GIF |
|---|---|---|---|---|
| Infogan |  |  |  |  |
| 姓名 | 損失 |
|---|---|
| 甘 |  |
| lsgan |  |
| 恩 |  |
| wgan_gp |  |
| 德拉曼 |  |
| EBGAN |  |
| 開始 |  |
| cgan |  |
| Acgan |  |
| Infogan |  |
以下顯示了基本文件夾結構。
├── main.py # gateway
├── data
│ ├── mnist # mnist data (not included in this repo)
│ ├── ...
│ ├── ...
│ └── fashion-mnist # fashion-mnist data (not included in this repo)
│
├── GAN.py # vainilla GAN
├── utils.py # utils
├── dataloader.py # dataloader
├── models # model files to be saved here
└── results # generation results to be saved here
該實現基於TensorFlow生成模型收集，並使用GPU在Ubuntu 16.04上使用Pytorch 0.4.0進行了測試。
