lightweight-gan:在Pytorch的ICLR 2021中提出的“轻量级” GAN的实现。 可以在一两天内进行训练的高分辨率图像生成

上传者: 42099987 | 上传时间: 2023-03-19 01:02:38 | 文件大小: 9.92MB | 文件类型: ZIP
训练12小时后512x512鲜花,1 gpu 训练12小时后256x256朵鲜花,1 gpu 比萨 ``轻巧''GAN 在Pytorch的ICLR 2021中提出的实现。 本文的主要贡献是发生器中的跳层激励,以及鉴别器中的自动编码自监督学习。 引用单行摘要“在经过数小时培训的情况下,可以在1024 g分辨率的数百张图像上融合在单个gpu上”。 安装 $ pip install lightweight-gan 使用 一个命令 $ lightweight_gan --data ./path/to/images --image-size 512 每隔1000次迭代,模型将保存到./models/{name} ,模型中的样本将保存到./results/{name} 。 name将是default ,默认情况下。 训练设定 深度学习从业人员的自我解释能力很强 $ lightweight_ga

文件下载

资源详情

[{"title":"( 25 个子文件 9.92MB ) lightweight-gan:在Pytorch的ICLR 2021中提出的“轻量级” GAN的实现。 可以在一两天内进行训练的高分辨率图像生成","children":[{"title":"lightweight-gan-main","children":[{"title":"images","children":[{"title":"pizza-512.jpg <span style='color:#111;'> 3.21MB </span>","children":null,"spread":false},{"title":"sample-256.jpg <span style='color:#111;'> 695.31KB </span>","children":null,"spread":false},{"title":"sample-512.jpg <span style='color:#111;'> 2.01MB </span>","children":null,"spread":false}],"spread":true},{"title":"docs","children":[{"title":"aug_types","children":[{"title":"lena_augs_offset_v.jpg <span style='color:#111;'> 83.42KB </span>","children":null,"spread":false},{"title":"lena_augs_offset_h.jpg <span style='color:#111;'> 83.23KB </span>","children":null,"spread":false},{"title":"lena_augs_translation.jpg <span style='color:#111;'> 76.25KB </span>","children":null,"spread":false},{"title":"lena_augs_color.jpg <span style='color:#111;'> 79.35KB </span>","children":null,"spread":false},{"title":"lena_augs_offset.jpg <span style='color:#111;'> 84.52KB </span>","children":null,"spread":false},{"title":"lena_augs_cutout.jpg <span style='color:#111;'> 73.17KB </span>","children":null,"spread":false}],"spread":true},{"title":"show_progress","children":[{"title":"show-progress.mp4 <span style='color:#111;'> 1.06MB </span>","children":null,"spread":false},{"title":"show-progress.gif <span style='color:#111;'> 2.33MB </span>","children":null,"spread":false}],"spread":true},{"title":"aug_test","children":[{"title":"lena_augs.jpg <span style='color:#111;'> 116.13KB </span>","children":null,"spread":false},{"title":"lena.jpg <span style='color:#111;'> 12.49KB </span>","children":null,"spread":false},{"title":"lena_augs_default.jpg <span style='color:#111;'> 29.22KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"lightweight_gan","children":[{"title":"cli.py <span style='color:#111;'> 5.36KB </span>","children":null,"spread":false},{"title":"diff_augment_test.py <span style='color:#111;'> 1.49KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 108B </span>","children":null,"spread":false},{"title":"diff_augment.py <span style='color:#111;'> 3.56KB </span>","children":null,"spread":false},{"title":"lightweight_gan.py <span style='color:#111;'> 46.28KB </span>","children":null,"spread":false},{"title":"version.py <span style='color:#111;'> 23B </span>","children":null,"spread":false}],"spread":true},{"title":".github","children":[{"title":"workflows","children":[{"title":"python-publish.yml <span style='color:#111;'> 865B </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"LICENSE <span style='color:#111;'> 34.33KB </span>","children":null,"spread":false},{"title":"setup.py <span style='color:#111;'> 1.04KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.76KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 7.97KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明