阿根 | | PyTorch实现可控制的人的图像合成。 ，，，，，北京大学和ByteDance人工智能实验室，CVPR 2020（口服）。 组件属性传递 姿势转移 要求 Python3 pytorch（> = 1.0） 火炬视觉 麻木 科学的 scikit图像 枕头 大熊猫 tqdm 支配 入门 您可以直接从下载我们生成的图像（在Deepfashion中）。 安装 克隆此仓库： git clone https://github.com/menyifang/ADGAN.git cd ADGAN 数据准备 为了方便起见，我们使用DeepFashion数据集并提供数据集拆分文件，提取的关键点文件和提取的细分文件。 推荐数据集结构为： +—deepfashion | +—fashion_resize | +--train (files in 'train.l

李宏毅GAN网络作业文档 包括算法的简单思路讲解,数据集链接等等 每个部分用代码ruh实现,数据集以什么样的格式输入,呈现的效果,在学习后做作业巩固GAN网络的核心思想

HiFi-GAN：高效，高保真语音合成的生成对抗网络 非官方PyTorch实现。 HiFi-GAN： 先决条件 在Python 3.6上测试 pip install -r requirements.txt 准备数据集 下载数据集进行培训。 这可以是任何采样率为22050Hz的wav文件。 （例如，在纸上使用了LJSpeech） 预处理： python preprocess.py -c config/default.yaml -d [data's root path] 编辑配置yaml文件 火车和张量板 python trainer.py -c [config yaml file] -n [name of the run] cp config/default.yaml config/config.yaml ，然后编辑config.yaml 将训练/验证文件的根路径写下到第二/第三行。

GAN（生成式对抗网络）读书笔记（上）

GAN_模型 使用GAN生成3D网格模型

初始分数火炬 Pytorch缺少用于计算GAN初始得分的代码。 该存储库填补了这一空白。 但是，我们不建议使用初始分数来评估生成模型，有关原因，请参见。 入门 克隆存储库并导航到它： $ git clone git@github.com:sbarratt/inception-score-pytorch.git $ cd inception-score-pytorch 要生成随机的64x64图像并计算初始分数，请执行以下操作： $ python inception_score.py 唯一的功能是inception_score 。 它获取一张归一化为[0,1]范围的numpy图像列表和一组参数，然后计算初始分数。 请确保您的图像是3x299x299，如果不是（例如，您的GAN在CIFAR上接受过培训），请在将图像传递到初始网络之前，将resize=True传递给该函数，使其使用双线性插

利用GAN算法 生成一位数据，扩充原有数据，便于更好的拟合。

这是我自己用pytorch来写的GAN的代码， 代码比较简单，只有一个文件，直接把文件拉进去，然后运行即可。 这里还需要用到MNIS的一个数据集，相关的数据集我已经上传了。 有需要的人可以到我那里去下载。

3D-GAN-火炬 Pytorch实现。 数据集 wget http://3dshapenets.cs.princeton.edu/3DShapeNetsCode.zip unzip 3DShapeNetsCode.zip mv 3DShapeNetsCode ModelNet

Image-to-Image Translation with Conditional Adversarial Networks.pdf