PyTorch-GAN 项目使用教程

PyTorch-GAN 项目使用教程

PyTorch-GANPyTorch implementations of Generative Adversarial Networks.项目地址:https://gitcode.com/gh_mirrors/py/PyTorch-GAN

1. 项目的目录结构及介绍

PyTorch-GAN 项目的目录结构如下：

PyTorch-GAN/
├── implementations/
│   ├── auxiliary_classifier_gan/
│   ├── adversarial_autoencoder/
│   ├── began/
│   ├── bicyclegan/
│   ├── boundary_seeking_gan/
│   ├── cluster_gan/
│   ├── conditional_gan/
│   ├── context_conditional_gan/
│   ├── context_encoder/
│   ├── coupled_gan/
│   ├── cyclegan/
│   ├── deep_convolutional_gan/
│   ├── discogan/
│   ├── dragan/
│   ├── dualgan/
│   ├── energy_based_gan/
│   ├── enhanced_super_resolution_gan/
│   ├── gan/
│   ├── infogan/
│   ├── least_squares_gan/
│   ├── munit/
│   ├── pix2pix/
│   ├── pixelda/
│   ├── relativistic_gan/
│   ├── semi_supervised_gan/
│   ├── softmax_gan/
│   ├── stargan/
│   ├── super_resolution_gan/
│   ├── unit/
│   ├── wasserstein_gan/
│   ├── wasserstein_gan_gp/
│   └── wasserstein_gan_div/
├── data/
├── README.md
└── requirements.txt

目录结构介绍

• implementations/：包含各种 GAN 模型的实现代码。
• data/：用于存放训练数据。
• README.md：项目说明文档。
• requirements.txt：项目依赖的 Python 包列表。

2. 项目的启动文件介绍

每个 GAN 模型的启动文件位于 implementations/ 目录下的相应子目录中。例如，CycleGAN 的启动文件是 cyclegan.py，位于 implementations/cyclegan/ 目录下。

启动文件示例

以 CycleGAN 为例：

cd implementations/cyclegan/
python3 cyclegan.py

3. 项目的配置文件介绍

PyTorch-GAN 项目没有统一的配置文件，每个 GAN 模型的配置参数通常在启动文件中直接定义。例如，CycleGAN 的配置参数在 cyclegan.py 文件中定义。

配置参数示例

以 CycleGAN 为例，部分配置参数如下：

# cyclegan.py
parser = argparse.ArgumentParser()
parser.add_argument('--epoch', type=int, default=0, help='starting epoch')
parser.add_argument('--n_epochs', type=int, default=200, help='number of epochs of training')
parser.add_argument('--batch_size', type=int, default=1, help='size of the batches')
parser.add_argument('--lr', type=float, default=0.0002, help='adam: learning rate')
parser.add_argument('--b1', type=float, default=0.5, help='adam: decay of first order momentum of gradient')
parser.add_argument('--b2', type=float, default=0.999, help='adam: decay of first order momentum of gradient')
parser.add_argument('--decay_epoch', type=int, default=100, help='epoch from which to start lr decay')
parser.add_argument('--n_cpu', type=int, default=8, help='number of cpu threads to use during batch generation')
parser.add_argument('--img_height', type=int, default=256, help='size of image height')
parser.add_argument('--img_width', type=int, default=256, help='size of image width')
parser.add_argument('--channels', type=int, default=3, help='number of image channels')
parser.add_argument('--sample_interval', type=int, default=500, help='interval between saving generator outputs')
parser.add_argument('--checkpoint_interval', type=int, default=-1, help='interval between saving model checkpoints')
parser.add_argument('--n_residual_blocks', type=int, default=9, help='number of residual blocks in generator')
parser.add_argument('--lambda_cyc', type=float, default=1

PyTorch-GANPyTorch implementations of Generative Adversarial Networks.项目地址:https://gitcode.com/gh_mirrors/py/PyTorch-GAN