之前推薦過一個基於 TensorFlow 的 GAN 框架–谷歌開源的 GAN 庫–TFGAN。
而最近也有一個新的 GAN 框架工具,並且是基於 Pytorch 實現的,項目地址如下:
https://github.com/torchgan/torchgan
對於習慣使用 Pytorch 框架的同學,現在可以採用這個開源項目快速搭建一個 GAN 網絡模型了!
目前該開源項目有 400+ 星,它給出了安裝的教程、API 文檔以及使用教程,文檔的地址如下:
https://torchgan.readthedocs.io/en/latest/
安裝
對於 TorchGAN 的安裝,官網給出 3 種方法,但實際上目前僅支持兩種安裝方式,分別是pip
方式安裝以及源碼安裝,採用conda
安裝的方法目前還不支持。
Pip 安裝方法
安裝最新的發佈版本的命令如下:
$ pip3 install torchgan
而如果是最新版本:
$ pip3 install git+https://github.com/torchgan/torchgan.git
Conda 安裝
這是目前版本還不支持的安裝方式,將會在v0.1
版本實現這種安裝方法。
源碼方式安裝
按照下列命令的順序執行來進行從源碼安裝
$ git clone https://github.com/torchgan/torchgan
$ cd torchgan
$ python setup.py install
依賴庫
必須按照的依賴庫:
- Numpy
- Pytorch 0.4.1
- Torchvision
可選
- TensorboardX:主要是爲了採用
Tensorboard
來觀察和記錄實驗結果。安裝通過命令pip install tensorboardX
- Visdom:爲了採用
Xisdom
進行記錄。安裝通過命令pip install visdom
API 文檔
API 的文檔目錄如下:
從目錄主要分爲以下幾個大類:
- torchgan.layers:包含當前常用的用於構建 GAN 結構的一些網絡層,包括殘差塊,Self-Attention,譜歸一化(Spectral Normalization)等等
- torchgan.logging:提供了很強的可視化工具接口,包括對損失函數、梯度、測量標準以及生成圖片的可視化等
- torchgan.losses:常見的訓練 GANs 模型的損失函數,包括原始的對抗損失、最小二乘損失、WGAN的損失函數等;
- torchgan.metrics:主要是提供了不同的評判測量標準
- torchgan.models:包含常見的 GAN 網絡結構,可以直接使用並且也可以進行拓展,包括 DCGAN、cGAN等
- torchgan.trainer:主要是提供訓練模型的函數接口
教程
教程部分如下所示:
教程給出了幾個例子,包括 DCGAN、Self-Attention GAN、CycleGAN 例子,以及如何自定義損傷的方法。
對於 Self-Attention GAN,還提供了一個在谷歌的 Colab 運行的例子,查看鏈接:
https://torchgan.readthedocs.io/en/latest/tutorials/sagan.html
小結
最後,再給出 Github 項目的鏈接和文檔的對應鏈接地址:
https://github.com/torchgan/torchgan
https://torchgan.readthedocs.io/en/latest/index.html
歡迎關注我的微信公衆號–機器學習與計算機視覺,或者掃描下方的二維碼,大家一起交流,學習和進步!
之前分享的資源和教程文章有: