f-AnoGAN 项目安装和配置指南
f-AnoGAN 项目地址: https://gitcode.com/gh_mirrors/fan/f-AnoGAN
1. 项目基础介绍和主要编程语言
项目介绍
f-AnoGAN 是一个用于异常检测的生成对抗网络(GAN)项目。该项目的主要特点是生成器(Generator)、判别器(Discriminator)和编码器(Encoder)分别进行训练,并通过判别器特征残差误差和图像重构误差来计算异常分数。
主要编程语言
该项目主要使用 Python 编程语言。
2. 项目使用的关键技术和框架
关键技术
- 生成对抗网络(GAN): 用于生成和判别图像。
- 异常检测: 通过计算特征残差误差和图像重构误差来检测异常。
框架
- PyTorch: 用于构建和训练神经网络模型。
- Matplotlib: 用于数据可视化。
- Numpy: 用于数值计算。
- pandas: 用于数据处理。
- Pillow: 用于图像处理。
- scikit-learn: 用于机器学习相关操作。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装之前,请确保您的系统已经安装了以下软件和库:
- Python 3.6 或更高版本
- PyTorch 1.x
- Matplotlib
- Numpy
- pandas
- Pillow
- scikit-learn
安装步骤
步骤 1: 克隆项目仓库
首先,您需要从 GitHub 上克隆 f-AnoGAN 项目仓库到本地。
git clone https://github.com/A03ki/f-AnoGAN.git
cd f-AnoGAN
步骤 2: 安装依赖项
使用 setup.py
脚本来安装项目所需的依赖项。
python setup.py install
步骤 3: 训练和测试 MNIST 数据集
以下是训练和测试 MNIST 数据集的详细步骤:
-
进入
mnist
目录:cd mnist
-
训练生成对抗网络(GAN):
python train_wgangp.py --training_label 1 --seed 2 --n_epochs 20
-
训练编码器:
python train_encoder_izif.py --training_label 1 --seed 2 --n_epochs 20
-
测试异常检测:
python test_anomaly_detection.py --training_label 1
-
保存对比图像:
python save_compared_images.py --seed 4 --n_iters 0 --n_grid_lines 10
步骤 4: 使用自定义数据集
如果您想使用自定义数据集,请按照以下步骤操作:
-
进入
your_own_dataset
目录:cd your_own_dataset
-
将您的自定义数据集放置在
f-AnoGAN/your_own_dataset
目录下。 -
训练生成对抗网络(GAN):
python train_wgangp.py "your_own_dataset_dir_name/train_dir_name"
-
训练编码器:
python train_encoder_izif.py "your_own_dataset_dir_name/train_dir_name"
-
测试异常检测:
python test_anomaly_detection.py "your_own_dataset_dir_name/test_dir_name"
-
保存对比图像:
python save_compared_images.py "your_own_dataset_dir_name/test_dir_name" --n_iters 0 --n_grid_lines 10
通过以上步骤,您可以成功安装和配置 f-AnoGAN 项目,并使用 MNIST 数据集或自定义数据集进行训练和测试。