一个图书馆,可以很容易地在Pythorch培训各种现有的Gans。
vegans的Python项目详细描述
《维加斯》BR/> BR/>一个在Py火炬中提供各种现有GANS的图书馆。
BR/>此库主要面向GAN用户,谁愿意使用现有的GaN训练技术和自己的生成器/鉴别器。然而,研究者也可以发现,GaN基类有助于更快地实现新的GaN训练技术。
BR/>重点是简单性和提供合理的默认值。
BR/>“如何安装BR/>‘PIP安装VigaS’BR/>< BR/>如何使用
基本思想是用户提供鉴别器和生成器网络,库负责在选定的gan设置中对它们进行培训:
````
从vegans导入wgan
从vegans导入plot_loss,创建您的批评者和生成器
netd=discriminator().to(设备)
netg=generator().to(设备)
netg=generator().to(设备)
G U清单,D U损失,G_loss=gan.get_training_results()
绘制损失(G_loss,D_loss)
绘制图像样本(img_list,50)
'BR/> BR/>目前了解更多关于如何使用素食主义者的最好方法是查看示例[笔记本](http://Github.com/unIT8CO/VEGANS)。
贡献
PRS,并欢迎建议。
BR/>学分> BR/>一些代码已经受到一些现有的GaN实现的启发:
*https://github.com/eriklindernoren/pytorch gan
*https://github.com/martinarjovsky/wassersteingan
*https://pytorch.org/tutorials/初学者/dcgan_faces_tutorial.html
BR/>此库主要面向GAN用户,谁愿意使用现有的GaN训练技术和自己的生成器/鉴别器。然而,研究者也可以发现,GaN基类有助于更快地实现新的GaN训练技术。
BR/>重点是简单性和提供合理的默认值。
BR/>“如何安装BR/>‘PIP安装VigaS’BR/>< BR/>如何使用
基本思想是用户提供鉴别器和生成器网络,库负责在选定的gan设置中对它们进行培训:
````
从vegans导入wgan
从vegans导入plot_loss,创建您的批评者和生成器
netd=discriminator().to(设备)
netg=generator().to(设备)
netg=generator().to(设备)
G U清单,D U损失,G_loss=gan.get_training_results()
绘制损失(G_loss,D_loss)
绘制图像样本(img_list,50)
'BR/> BR/>目前了解更多关于如何使用素食主义者的最好方法是查看示例[笔记本](http://Github.com/unIT8CO/VEGANS)。
贡献
PRS,并欢迎建议。
BR/>学分> BR/>一些代码已经受到一些现有的GaN实现的启发:
*https://github.com/eriklindernoren/pytorch gan
*https://github.com/martinarjovsky/wassersteingan
*https://pytorch.org/tutorials/初学者/dcgan_faces_tutorial.html