谷歌开源TFGAN:轻量级生成对抗网络工具库
2017-12-13 14:42
218 查看
项目链接:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/gan
谷歌最近开源了 TFGAN,一个实现轻松训练和评估 GAN 的轻量级库。它为开发者轻松训练 GAN 提供了基础条件,提供经过完整测试的损失函数和评估指标,同时提供易于使用的范例,这些范例展示了 TFGAN 的表达能力和灵活性。谷歌还发布了一个包含高级 API 的教程,帮助人们快速上手,使用自己的数据训练模型。
TFGAN 教程:https://github.com/tensorflow/models/blob/master/research/gan/tutorial.ipynb
TFGAN 包含以下部分:
1、核心:训练 GAN 所需的主要基础设施。训练分四个阶段进行,每个阶段都可以通过自定义代码或使用 TFGAN 库调用来完成。
2、功能:很多常见的 GAN 操作和归一化技术可供使用,包括实例归一化和条件化(conditioning)。
3、损失:允许轻松利用已实现且经过完整测试的损失和惩罚机制进行实验,如 Wasserstein 损失、梯度惩罚、互信息惩罚等。
4、评估:使用 Inception Score 或 Frechet Distance 与预训练的 Inception 网络评估无条件生成模型。你还可以使用自己的预训练分类器获得更加具体的结果,或使用其他方法对条件生成模型进行评估。
谷歌最近开源了 TFGAN,一个实现轻松训练和评估 GAN 的轻量级库。它为开发者轻松训练 GAN 提供了基础条件,提供经过完整测试的损失函数和评估指标,同时提供易于使用的范例,这些范例展示了 TFGAN 的表达能力和灵活性。谷歌还发布了一个包含高级 API 的教程,帮助人们快速上手,使用自己的数据训练模型。
TFGAN 教程:https://github.com/tensorflow/models/blob/master/research/gan/tutorial.ipynb
TFGAN 包含以下部分:
1、核心:训练 GAN 所需的主要基础设施。训练分四个阶段进行,每个阶段都可以通过自定义代码或使用 TFGAN 库调用来完成。
2、功能:很多常见的 GAN 操作和归一化技术可供使用,包括实例归一化和条件化(conditioning)。
3、损失:允许轻松利用已实现且经过完整测试的损失和惩罚机制进行实验,如 Wasserstein 损失、梯度惩罚、互信息惩罚等。
4、评估:使用 Inception Score 或 Frechet Distance 与预训练的 Inception 网络评估无条件生成模型。你还可以使用自己的预训练分类器获得更加具体的结果,或使用其他方法对条件生成模型进行评估。
相关文章推荐
- 谷歌推出TFGAN:开源的轻量级生成对抗网络库
- 谷歌开源TFGAN:轻量级生成对抗网络工具库
- 转:生成对抗网络GANs理解(附代码)
- ICCV2017 | 一文详解GAN之父Ian Goodfellow 演讲《生成对抗网络的原理与应用》(附完整PPT)
- PTGAN:针对行人重识别的生成对抗网络 | PaperDaily #36
- 生成对抗网络(GAN)初探
- 生成对抗网络(GAN)的前沿进展(论文、报告、框架和Github资源)汇总
- 与判别网络对抗的生成网络 (Generative Adversarial Nets)
- 简单理解与实验生成对抗网络GAN
- 生成判别对抗网络
- 生成对抗网络:从架构到训练
- 【学习笔记】训练简单生成对抗网络
- 一文纵览无监督学习研究现状:从自编码器到生成对抗网络
- 对抗生成网络原理和作用
- 简单理解与实验生成对抗网络GAN(转)
- 洞见 | 生成对抗网络GAN最近在NLP领域有哪些应用?
- 生成对抗网络学习
- 小说生成对抗网络GANs
- 对抗的深度卷积生成网络来学习无监督表示
- 学习笔记:生成对抗网络(Generative Adversarial Nets)(附代码)