CVAE-GAN tensorlayer实现

代码，训练过程，训练输出，测试输出，参见
github：https://github.com/One-sixth/CVAE-GAN_tensorlayer

其他复制一下：

CVAE-GAN_tensorlayer

A CVAE-GAN implementation with tensorlayer.

示例

依赖

tensorflow
tensorlayer
numpy
progressbar2

测试环境 tensorflow-gpu-1.10, tensorlayer-1.91, gtx970m-3g.

一些问题和注意点

嗯……这个实现可能与论文有一些差异。
我尝试了WGAN-GP和LS-GAN的损失，但结果并不好。 也许我的代码哪里有问题。
然后我改变鉴别器成为自动编码器并尝试BEGAN的损失，看起来还不错。

训练后的VAE输出仍然模糊，但我发现鉴别器的重建图像可以使VAE输出更清晰。
主要的网络结构是我简单自定义的resnet，它的效果应该与DCGAN不同。

训练日志

训练过程输出和日志分别可以在imgs和logs文件夹中找到。
训练日志已经过压缩，需要解压缩。

怎么用

测试

python3 test.py

我在存储库中上传了模型权重。 你可以使用我的模型权重进行测试。
测试输出可以在test_output文件夹中找到
每个图像的上三行是VAE输出，接下来的三行是鉴别器的重建输出

训练

python3 train.py

只需简单的启动train.py。 训练将马上开始。
如果之前的权重还在，它将自动重用之前的权重
* .npz文件是网络权重。 如果你想要全新训练，只需删除它们
如果您看到OOM，请尝试减少batch_size或使用cpu训练。

论文连接

CVAE-GAN: Fine-Grained Image Generation through Asymmetric Training
https://arxiv.org/abs/1703.10155

翻译过去又翻译过来好累啊。。下次应该先把中文blog写好，github再翻译检查粘贴