文件名称：unrolled-gans:展开式生成对抗网络的PyTorch实施
文件大小：1018KB
文件格式：ZIP
更新时间：2024-05-30 04:45:03
pytorch gan JupyterNotebook
pytorch展开甘斯 展开式PyTorch实现。 正式的tensorflow实现在。 官方回购中发布了一个问题，抱怨 。 在实施此存储库时，我也发现了这个问题（尤其是在使用F.tanh作为激活函数时），并发现它非常有趣。 以下是相应的结果： 展开步骤= 0 展开步骤= 10 众所周知，有太多因素会影响GAN训练，而我开始怀疑展开的目标是否确实有助于GAN训练或避免模式崩溃。 我试图通过使混合高斯的权重不均匀来使数据分发更加困难，从而使生成器更难以覆盖所有模式。 情况1： 展开步骤= 0 展开步骤= 10 可以观察到轻微的改善。 很高兴看到展开的目标至少在我的实验设置中有效。 :grinning_face_with_smiling_eyes: 情况2（失败情况）： 展开步骤= 0 展开步骤= 10 在以下实验中可以观察到更大的改进 其他实验设置 我发现在这些实验中，使用F.relu （作者在论文中使用的方法）会导致更大的差距：
【文件预览】：
unrolled-gans-master
----mixture_gaussian.py(2KB)
----LICENSE(1KB)
----imgs()
--------unrolled_steps-0-prior_std-0.06.png(13KB)
--------unrolled_steps-0-prior_std-0.12-tanh.png(69KB)
--------unrolled_steps-10-prior_std-0.06.png(96KB)
--------unrolled_steps-10-prior_std-0.06-tanh.png(106KB)
--------unrolled_steps-10-prior_std-0.12-tanh.png(69KB)
--------unrolled_steps-10-prior_std-0.00-tanh.png(121KB)
--------unrolled_steps-0-prior_std-0.06-tanh.png(100KB)
--------unrolled_steps-0-prior_std-0.00.png(12KB)
--------unrolled_steps-10-prior_std-0.00.png(105KB)
--------unrolled_steps-0-prior_std-0.00-tanh.png(115KB)
----.gitignore(1KB)
----unrolled_gan.ipynb(306KB)
----README.md(2KB)