pytorch-projection_sngan 使用光谱归一化和投影判别器的条件图像生成的Pytorch实现。 频谱归一化： : 投影判别器： : id 核心代码严格从迁移 该代码正在工作。 当前没有时间改进培训代码并进行更多的实验。 我会尽快做到的。

输入一个conv2d层或transposedconv2d层，并为sn层命名。 inputlayer需要：过滤器大小，num个过滤器（输出通道大小），num个通道（输入通道大小）。 例子 ： SpectralNormalization（convolution2dLayer（filterSize，numFilters，“ NumChannels”，3，'Stride'，2，'Padding'，'same'，'Name'，'conv1'），“ sn1”） SpectralNormalization（transposedConv2dLayer（filterSize，numFilters，“ NumChannels”，64，'Name'，'detc5'，“ Stride”，2，'Cropping'，'same'），“ sn19”）

GAN的集合 无监督GAN的Pytorch实现。 有关使用pytorch计算初始分数和FID的更多信息，请参见 楷模 直流电源 威根 WGAN-GP SN-GAN 要求 初始化metric模型git submodule update --init 安装python包pip install -U pip setuptools pip install -r requirements.txt 结果 模型 数据集 起始分数 FID 直流电源 CIFAR10 6.04（0.05） 47.90 WGAN（CNN） CIFAR10 6.64（0.6） 33.27 WGAN-GP（CNN） CIFAR10 7.47（0.06） 24.00 WGAN-GP（ResNet） CIFAR10 7.74（0.10） 21.89 SNGAN（CNN） CIFAR10 7