ali-pytorch:对抗学习推理（BiGAN）的PyTorch实施

【文件属性】：

文件名称：ali-pytorch:对抗学习推理（BiGAN）的PyTorch实施

文件大小：12.59MB

文件格式：ZIP

更新时间：2024-05-29 00:58:32

deep-learning generative-adversarial-network semi-supervised-learning svhn cifar10

对抗性推论 PyTorch实施 SVHN样本 1个纪元后： 10个纪元后： 40个纪元后： CIFAR10样品： 1个纪元后： 100个纪元后： 在500个时代之后： 要测试使用L2-SVM进行半监督学习的SVHN预训练嵌入，请执行以下操作： python3.5 test_semisup.py --dataset=svhn --dataroot= --model_path= 注意：所提供的模型经过100个纪元的训练，错误率达23％，而论文中报道的错误率为19.5％。 原始模型的训练在此实现中不稳定，并且我使用了一些GAN技巧，例如添加实例噪声和选择性训练。 请参阅此以获取更多详细信息： https : //github.com/soumith/ganhacks 。 引用 @article{DBLP:journals/corr/

【文件预览】：
ali-pytorch-master
----main_clusterone.py(6KB)
----netE_epoch_90.pth(12.66MB)
----main.py(5KB)
----test_semisup.py(5KB)
----model.py(5KB)
----requirements.txt(14B)
----cifar.py(4KB)
----README.md(2KB)
----saved_images_cifar()
--------fake_200.png(38KB)
--------fake.png(39KB)
--------fake_400.png(36KB)
--------fake_50.png(40KB)
--------fake_0.png(33KB)
--------real.png(34KB)
--------fake_300.png(39KB)
--------fake_250.png(39KB)
--------fake_450.png(40KB)
--------fake_350.png(39KB)
--------fake_150.png(39KB)
--------fake_100.png(38KB)
----saved_images_svhn()
--------fake.png(32KB)
--------fake_20.png(35KB)
--------fake_50.png(38KB)
--------fake_0.png(41KB)
--------real.png(28KB)
--------fake_80.png(35KB)
--------fake_90.png(33KB)
--------fake_10.png(35KB)
--------fake_70.png(33KB)
--------fake_40.png(36KB)
--------fake_30.png(35KB)
--------fake_60.png(34KB)