文件名称：wasserstein-gan:Wasserstein GAN纸的PyTorch实现
文件大小：41.54MB
文件格式：ZIP
更新时间：2024-06-07 06:18:03
generative-adversarial-network educational-materials wasserstein-gan lsun-dataset JupyterNotebook
瓦瑟斯坦·甘 Wasserstein GAN（WGAN）论文的PyTorch实现。 该项目正在尝试出于教育目的复制LSUN和CIFAR10实验。 在这个项目中，我们还可以看到深度卷积生成对抗网络（DCGAN）如何演变成WGAN。 注意：DCGAN最初是使用Keras 1实现的，并迁移到了Keras 2。 Jupyter笔记本 火炬 LSUN卧室数据集 用于下载和预处理LSUN LMDB数据的脚本 火炬 CIFAR10 凯拉斯2 MNIST 预训练模型 PyTorch权重文件： 生成的图像样本 更多生成的样本
【文件预览】：
wasserstein-gan-master
----.gitignore(1KB)
----utils2.py(5KB)
----lsun_scripts()
--------lsun-data.py(2KB)
----wgan-pytorch.ipynb(1.03MB)
----wgan_samples()
--------fake_samples_15500.png(483KB)
--------fake_samples_5500.png(493KB)
--------fake_samples_14500.png(488KB)
--------fake_samples_10500.png(463KB)
--------fake_samples_16500.png(513KB)
--------fake_samples_9500.png(465KB)
--------fake_samples_12000.png(450KB)
--------fake_samples_3500.png(497KB)
--------fake_samples_500.png(476KB)
--------fake_samples_11000.png(491KB)
--------fake_samples_16000.png(501KB)
--------fake_samples_9000.png(494KB)
--------fake_samples_3000.png(488KB)
--------fake_samples_13500.png(493KB)
--------fake_samples_6500.png(496KB)
--------fake_samples_10000.png(477KB)
--------fake_samples_1000.png(504KB)
--------netG_epoch_1.pth(13.8MB)
--------fake_samples_15000.png(498KB)
--------fake_samples_2000.png(514KB)
--------fake_samples_6000.png(483KB)
--------fake_samples_11500.png(492KB)
--------fake_samples_14000.png(494KB)
--------fake_samples_4000.png(480KB)
--------fake_samples_8000.png(471KB)
--------fake_samples_17000.png(492KB)
--------fake_samples_8500.png(482KB)
--------fake_samples_4500.png(492KB)
--------fake_samples_12500.png(505KB)
--------netD_epoch_1.pth(10.7MB)
--------fake_samples_7000.png(469KB)
--------fake_samples_5000.png(474KB)
--------fake_samples_7500.png(496KB)
--------fake_samples_2500.png(479KB)
--------fake_samples_17500.png(482KB)
--------real_samples.png(459KB)
--------fake_samples_13000.png(488KB)
--------fake_samples_1500.png(494KB)
----get-system-info.ipynb(16KB)
----README.md(1KB)
----dcgan.py(3KB)
----pytorch-tut.ipynb(286KB)
----normalization_mode2.py(8KB)
----dcgan.ipynb(122KB)
----wgan-pytorch-lsun-dataset.ipynb(2.48MB)
----torch_utils.py(1KB)