文件名称：gan-vae-pretrained-pytorch:pytorch中针对MNISTCIFAR的预训练GAN + VAE +分类器
文件大小：88.1MB
文件格式：ZIP
更新时间：2024-05-30 12:50:35
python machine-learning statistics ai deep-learning
MNIST / CIFAR10的预训练GAN，VAE +分类器 在pytorch中使用GAN / VAE建模的简单起点。 包括模型类定义+培训脚本 包括笔记本电脑，其中显示了如何加载预训练的网络/如何使用它们 用pytorch 1.0+测试 生成与数据集图像大小相同的图像 mnist 使用基于的体系结构生成MNIST数据集（28x28）大小的图像。 训练了100个纪元。 重量。 数据样本 dcgan样本 样品 为了与不那么复杂的体系结构进行比较，我还在文件夹中包含了一个预训练的非卷积GAN，它基于代码（训练了300个纪元）。 我还基于在文件夹中包含了经过预训练的LeNet分类器，该分类器可实现99％的测试准确性。 cifar10 cifar10 gan来自pytorch示例回购，并实现了DCGAN论文。 它只需要很小的改动就可以生成大小为cifar10数据集（32x32x3）的
【文件预览】：
gan-vae-pretrained-pytorch-master
----.gitignore(59B)
----cifar10_dcgan()
--------samples()
--------dcgan.py(9KB)
--------weights()
--------dcgan_cifar10_pretrained_load.ipynb(88KB)
----cifar100_dcgan_grayscale()
--------dcgan_cifar100_pretrained_load.ipynb(77KB)
--------samples()
--------weights_rect()
--------dcgan.py(12KB)
--------samples_rect()
--------weights()
----mnist_vae()
--------vae.py(5KB)
--------samples()
--------vae_load.ipynb(18KB)
--------weights()
----mnist_classifier()
--------lenet_pretrained_load.ipynb(3KB)
--------lenet.py(1KB)
--------weights()
--------train.py(2KB)
----cifar10_classifier()
--------cifar_pretrained_load.ipynb(1KB)
--------model.py(3KB)
--------train.py(6KB)
----readme.md(4KB)
----mnist_gan_mlp()
--------gan_mnist.py(8KB)
--------loss.pdf(12KB)
--------gan_mnist_pretrained_load.ipynb(31KB)
--------samples()
--------weights()
--------accuracy.pdf(14KB)
----mnist_dcgan()
--------samples()
--------dcgan.py(9KB)
--------weights()
--------dcgan_mnist_pretrained_load.ipynb(31KB)