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
欢迎加入QQ群-->： 979659372
