![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
text2img
文章平均质量分 77
文本生成图像
ysh9888
这个作者很懒,什么都没留下…
展开
-
预训练TransferGANLimitedData
ImageFolder if name == 'image': dataset = datasets.ImageFolder(data_dir, transform) nlabels = len(dataset.classes) def __init__(self, root, transform=None, target_transform=None, loader=default_loader, is_valid_fil原创 2022-01-13 14:48:45 · 270 阅读 · 0 评论 -
MirrorGAN代码
main.py这部分与AttnGAN代码一样os.path.abspath : 返回绝对路径os.path.realpath(__ file__) : 获取当前执行脚本的绝对路径。sys.path.appenddir_path = (os.path.abspath(os.path.join(os.path.realpath(__file__), './.')))sys.path.append(dir_path)def parse_args(): parser = argparse.原创 2022-01-13 14:46:20 · 409 阅读 · 0 评论 -
Partition-Guided GANs 代码详解
代码:https://github.com/alisadeghian/PGMGAN论文Partition-Guided GANsreadmeGetting StartedInstallationreadme基于GANS的无监督多图像生成:分区引导混合的生成对抗网络(Partition Guided Mixture of Generative Adversarial Networks)我们提出的完全无监督的图像生成模型PGMGAN学习了基于语义相似性的空间划分,并从每个分区生成图像,以减少模式崩溃原创 2022-01-13 14:45:21 · 1474 阅读 · 0 评论 -
LowRankGAN
代码 :https://github.com/zhujiapeng/LowRankGAN/.摘要生成对抗网络(GAN)的潜在空间被证明在一些子空间中编码丰富的语义。为了识别这些子空间,研究人员通常会从一组合成数据中分析统计信息,识别出的子空间往往会全局控制图像属性(即操纵一个属性会导致整个图像的变化)。相比之下,这项工作引入了低秩子空间,可以更精确地控制GAN的生成。具体来说,给定任意图像和感兴趣的区域(例如人脸图像的眼睛),我们设法用雅可比矩阵将潜在空间与图像区域联系起来,然后使用低秩因子分解来.原创 2022-01-13 11:53:48 · 274 阅读 · 0 评论 -
Partition-Guided GANs
Abstract尽管⽣成对抗⽹络(GAN)取得了成功,但它们的训练仍⾯临⼏个众所周知的问题,包括模式崩溃和学习⼀组不相连的流形的困难。在本⽂中,我们将学习复杂⾼维分布、⽀持不同数据样本的挑战性任务分解为简单的⼦任务。我们的解决⽅案依赖于设计⼀个分区器 partitioner,将空间分成更⼩的区域,每个区域都有⼀个更简单的分布,并为每个分区训练⼀个不同的⽣成器。这是在⽆监督的⽅式下完成的,不需要任何标签。我们为空间分区器制定了两个理想的标准,以帮助训练我们的混合⽣成器: 1)⽣成连接的分区,2)提供分区和原创 2021-09-16 12:31:16 · 229 阅读 · 0 评论 -
GRAPH ATTENTION NETWORKS图注意力网络 代码详解
代码地址: https://github.com/Diego999/pyGATcsdn加速后:https://codechina.csdn.net/mirrors/diego999/pygat?utm_source=csdn_github_accelerator图注意力机制神经网络基本原理和代码解读readmePytorch Graph Attention NetworkThis is a pytorch implementation of the Graph Attention Network原创 2021-09-24 15:02:30 · 3590 阅读 · 5 评论 -
Lifelong GAN: Continual Learning for Conditional Image Generation
ICCV 2019 | Lifelong GAN:基于持续学习的条件图像生成模型原创 2021-09-15 15:37:31 · 719 阅读 · 0 评论 -
PyTorch-StudioGAN readme 翻译
StudioGANStudioGAN是一个Python库,提供具有代表性的生成对抗性网络(GANS)的实现,用于条件/无条件的图像生成。StudioGAN旨在为现代GANS提供一个相同的操场,以便机器学习研究人员能够很容易地比较和分析一种新的想法。ipynb documentationshow to use StudioGAN in Colab environment特征1.使用PyTorch的广泛GAN实现2.使用CIFAR 10、微型ImageNet和ImageNet数据集的GANS综合基原创 2021-09-13 11:10:26 · 759 阅读 · 1 评论 -
On Characterizing GAN Convergence Through Proximal Duality Gap翻译
On Characterizing GAN Convergence Through Proximal Duality Gap 通过近端二偶间隙表征GAN收敛Abstract1. Introduction2. Related Work3. Background3.1. A Brief Overview of GAN formulations3.2. Understanding GAN convergence通过近端二偶间隙表征GAN收敛Abstract尽管生成对抗网络(GANs)在建模数据分布方面取得了原创 2021-09-09 16:36:04 · 254 阅读 · 0 评论 -
Linux系统使用
目录打开pycharm训练结果放置位置安装包打开pycharm右键打开terminal输入 ./pycharm.sh训练结果放置位置文件夹下 other locations – computer – 1T安装包terminal 进入到具体的环境 pip install 具体包原创 2021-07-15 21:23:16 · 1156 阅读 · 0 评论 -
Adversarial Feedback Loop
材料:https://pan.baidu.com/s/1LUJkF__vlqAlbiTX1KE2aA提取码:3061READMEtrain.pyconfig.py模型bank_model.pyimport torchfrom models.base_model import BaseModelfrom architecture.generator_bank_net import GeneratorBankNetfrom architecture.discrimin原创 2021-07-09 15:46:52 · 163 阅读 · 0 评论 -
AttnGAN复现问题
从预训练的模型提取epoch下载好模型,命名与程序epoch提取过程不一致NET_G: '' # '../models/bird_AttnGAN2.pth' istart = cfg.TRAIN.NET_G.rfind('_') + 1 iend = cfg.TRAIN.NET_G.rfind('.') epoch = cfg.TRAIN.NET_G[istart:iend] epoch = int(epoch) + 10dim tenser.data[0]errD.item()原创 2021-07-01 15:55:51 · 925 阅读 · 0 评论 -
sg2im 中的 级联细化网络 加 SE 模块
SENetSENet解析论文链接github项目链接SELayerclass SELayer(nn.Module): def __init__(self, channel, reduction=16): super(SELayer, self).__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) self.fc = nn.Sequential( nn.Linear(ch原创 2021-05-24 19:24:16 · 524 阅读 · 2 评论 -
stackgan v2 复现问题
TextTataset类load_embedding函数 def load_embedding(self, data_dir, embedding_type): if embedding_type == 'cnn-rnn': embedding_filename = '/char-CNN-RNN-embeddings.pickle' elif embedding_type == 'cnn-gru': embedding原创 2020-12-04 20:11:17 · 1747 阅读 · 6 评论 -
Sg2im拼接
from imageio import imwritepath='/1T/ysh/sg2im-master/models/checkpoint_with_model.pt'checkpoint=torch.load(path)train_samples = checkpoint['train_samples'] #list 100 4 32*3*64*64val_samples = checkpoint['val_samples']# tdimen = np.array(train_samp原创 2021-05-13 17:34:51 · 185 阅读 · 0 评论 -
stackgan数据集
链接:https://pan.baidu.com/s/1EsWPC9HMhfT9L8ITwgXTOA提取码:tg5c原创 2020-11-26 17:01:04 · 446 阅读 · 3 评论 -
pytorch
PyTorch深度学习快速入门教程【小土堆】 笔记目录dir()、 help()egpycharm与jupyter比较Dataset 和Dataloader示例代码transformtensorboard示例代码add_scalaradd_image数据类型shape显示打开tensorboardNo dashboards are active for the current data setdir()、 help()eghelp(torch.cuda.is_available)注意要imp原创 2020-12-04 20:18:05 · 312 阅读 · 1 评论 -
pytorch实现 用gan生成动漫头像
pytorch设置GPU idimport torch.backends.cudnn as cudnnos.environ["cuda_visible_devices"]="3" #用第四块gpu跑cudnn.benchmark=True总代码GPU实现from tqdm import tqdm #tqdm是Python中专门用于进度条美化的模块,通过在非while的循环体内嵌入tqdm,可以得到一个能更好展现程序运行过程的提示进度条import torchimport torchvis原创 2020-11-19 20:35:47 · 1499 阅读 · 0 评论 -
Image Captioning
整个项目代码链接:https://pan.baidu.com/s/1ytgF5z-8YqZS_6T4fG3IuQ提取码:48io 复制这段内容后打开百度网盘手机App,操作更方便哦Image CaptioningREADMETraining phaseTest phaseUsagePretrained model2. Download the datasetrequirements.txtdownload.sh3.Preprocessingbuild_vocab.pyresize.py1. os..原创 2021-06-28 15:05:42 · 414 阅读 · 0 评论 -
Unsupervised text-to-image synthesis代码
pseudo_infer.pyPseudoInfer(sys.argv[2])sys.argv[2]https://www.cnblogs.com/liangmingshen/p/8906148.html原创 2020-12-05 15:20:00 · 159 阅读 · 0 评论