Fork me on GitHub

[资源]基于 Pytorch 的 TorchGAN开源了!

之前推荐过一个基于 TensorFlow 的 GAN 框架—谷歌开源的 GAN 库—TFGAN

而最近也有一个新的 GAN 框架工具,并且是基于 Pytorch 实现的,项目地址如下:

https://github.com/torchgan/torchgan

对于习惯使用 Pytorch 框架的同学,现在可以采用这个开源项目快速搭建一个 GAN 网络模型了!

目前该开源项目有 400+ 星,它给出了安装的教程、API 文档以及使用教程,文档的地址如下:

https://torchgan.readthedocs.io/en/latest/

安装

对于 TorchGAN 的安装,官网给出 3 种方法,但实际上目前仅支持两种安装方式,分别是pip方式安装以及源码安装,采用conda安装的方法目前还不支持。

Pip 安装方法

安装最新的发布版本的命令如下:

1
$ pip3 install torchgan

而如果是最新版本:

1
$ pip3 install git+https://github.com/torchgan/torchgan.git
Conda 安装

这是目前版本还不支持的安装方式,将会在v0.1版本实现这种安装方法。

源码方式安装

按照下列命令的顺序执行来进行从源码安装

1
$ git clone https://github.com/torchgan/torchgan
$ cd torchgan
$ python setup.py install
依赖库

必须按照的依赖库

  • Numpy
  • Pytorch 0.4.1
  • Torchvision

可选

  • TensorboardX:主要是为了采用Tensorboard来观察和记录实验结果。安装通过命令pip install tensorboardX
  • Visdom:为了采用Xisdom进行记录。安装通过命令pip install visdom

API 文档

API 的文档目录如下:

从目录主要分为以下几个大类:

  • torchgan.layers:包含当前常用的用于构建 GAN 结构的一些网络层,包括残差块,Self-Attention,谱归一化(Spectral Normalization)等等
  • torchgan.logging:提供了很强的可视化工具接口,包括对损失函数、梯度、测量标准以及生成图片的可视化等
  • torchgan.losses:常见的训练 GANs 模型的损失函数,包括原始的对抗损失、最小二乘损失、WGAN的损失函数等;
  • torchgan.metrics:主要是提供了不同的评判测量标准
  • torchgan.models:包含常见的 GAN 网络结构,可以直接使用并且也可以进行拓展,包括 DCGAN、cGAN等
  • torchgan.trainer:主要是提供训练模型的函数接口

教程

教程部分如下所示:

教程给出了几个例子,包括 DCGAN、Self-Attention GAN、CycleGAN 例子,以及如何自定义损伤的方法。

对于 Self-Attention GAN,还提供了一个在谷歌的 Colab 运行的例子,查看链接:

https://torchgan.readthedocs.io/en/latest/tutorials/sagan.html


小结

最后,再给出 Github 项目的链接和文档的对应链接地址:

https://github.com/torchgan/torchgan

https://torchgan.readthedocs.io/en/latest/index.html

欢迎关注我的微信公众号—机器学习与计算机视觉,或者扫描下方的二维码,大家一起交流,学习和进步!

之前分享的资源和教程文章有: