文件名称：Improved_WGAN:在TensorFlow中实施“改进的Wasserstein GAN训练”论文
文件大小：202KB
文件格式：ZIP
更新时间：2024-05-19 03:53:20
Python
改进Wasserstein GAN的训练 在此项目中，在Tensorflow 1.2.0和Python 3.6中实施了《》一文。 本文是对论文的改进，这又是对原始的Generative Adversarial Networks论文的改进。 这些扩展文件中的每一个都代表着迈向更稳定培训制度的一步。 与GAN相比，改进了WGAN： 使用不同的距离度量来比较分布（Wasserstein而不是KL散度） 使用渐变罚分对评论家施加Lipschitz约束 顶部的图像是使用DCGAN和自定义升采样架构可获得的最佳效果。 所使用的数据集是“深陷野外”的标签版本。 下面提供了示例评论家和生成器培训： 该项目是作为FER课程的“海量数据集分析”的一部分而创建的。
【文件预览】：
Improved_WGAN-master
----data()
--------.gitignore(14B)
----assets()
--------11.png(8KB)
--------10.png(9KB)
--------5.png(8KB)
--------9.png(8KB)
--------1.png(8KB)
--------generator.png(45KB)
--------critic.png(43KB)
--------6.png(9KB)
--------2.png(9KB)
--------12.png(8KB)
--------7.png(7KB)
--------4.png(8KB)
--------13.png(8KB)
--------8.png(7KB)
--------3.png(8KB)
----src()
--------main.py(523B)
--------critics.py(4KB)
--------utils.py(548B)
--------generators.py(3KB)
--------dataset.py(3KB)
--------autoencoder()
--------wgan.py(7KB)
----.gitignore(1KB)
----README.md(1KB)