文件名称：CycleGAN:Pytorch实现CycleGAN
文件大小：7.69MB
文件格式：ZIP
更新时间：2024-04-07 13:57:40
Python
循环GAN Pytorch实现CycleGAN :star:在GitHub上为这个项目加注星标-它会有所帮助！ 是将一个图像的到另一个图像的任务。它通过使用一些预训练模型的功能来实现。在这种情况下，使用在ImageNet上预训练的VGG19这样的基本模型。首先，我们从VGG19网络的某些层创建我们自己的模型。然后，通过将网络中的梯度添加到输入图像中，可以得到具有转移样式的结果图像。 表中的内容 编译模型 如上所述，首先，我们应该从预先训练的模型中编译模型。在这种特殊情况下，使用了VGG19 。我们应该定义Content loss和Style loss将在哪一层之间进行计算。由于模型的输入将是content_image的副本，因此我们不需要太多的节点来计算Content loss ，而不需要Style loss （在这种情况下， 1个节点用于Content loss ， 5个节点用于Style
【文件预览】：
CycleGAN-main
----trainer.py(4KB)
----images()
--------g_loss_a2o.png(13KB)
--------apple2orange.jpg(180KB)
--------orange2apple.jpg(160KB)
--------d_loss_a2o.png(19KB)
----data()
--------__init__.py(1B)
--------utils.py(654B)
----model()
--------__init__.py(3KB)
--------pretrained()
--------utils.py(362B)
--------modules.py(5KB)
----LICENSE(1KB)
----utils.py(1KB)
----README.md(2KB)
----demo()
--------demo.ipynb(1.31MB)