瓦瑟斯坦·甘 Wasserstein GAN（WGAN）论文的PyTorch实现。 该项目正在尝试出于教育目的复制LSUN和CIFAR10实验。 在这个项目中，我们还可以看到深度卷积生成对抗网络（DCGAN）如何演变成WGAN。 注意：DCGAN最初是使用Keras 1实现的，并迁移到了Keras 2。 Jupyter笔记本 火炬 LSUN卧室数据集 用于下载和预处理LSUN LMDB数据的脚本 火炬 CIFAR10 凯拉斯2 MNIST 预训练模型 PyTorch权重文件： 生成的图像样本 更多生成的样本

LSUN数据集(bedroom),文件中包含百度网盘提取码。LSUN是一个比较有特色的大规模数据集，相对ImageNet而言，分类更丰富，不仅有物体分类，还有场景分类。

类似ImageNet的大规模数据集，相对ImageNet,LSUN分类更丰富，不仅有物品分类，也要场景分类，下载文件内附百度云盘提取码。

LSUN 请检查以获取有关数据集的更多信息。 数据发布 一类中的所有图像都存储在一个lmdb数据库文件中。 每个条目的值是jpg二进制数据。 我们调整所有图像的大小，使较小的尺寸为256，并以质量75压缩jpeg中的图像。 引用LSUN 如果您发现LSUN数据集对您的研究有用，请考虑引用： @article{yu15lsun, Author = {Yu, Fisher and Zhang, Yinda and Song, Shuran and Seff, Ari and Xiao, Jianxiong}, Title = {LSUN: Construction of a Large-scale Image Dataset using Deep Learning with Humans in the Loop}, Journal = {arXiv preprin