注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. GAN-keras:里面包含许多GAN算法的Keras源码，可以用于训练自己的模型-源码

  2. GAN生成对抗网络在Keras当中的实现 注意事项 建立了一个新库可用于生成自己的图片文件，连接如下，具体gan种类为DCGAN： : 执行过程可参考对应博客或README.md， //blog.csdn.net/weixin_44791964/article/details/110526044 目录 所需环境 张量流gpu == 1.13.1 keras == 2.1.5 仓库内容 甘 dcgan gan 阿根 柯根 srgan Cyclegan-keras Cyclega

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：33792
    • 提供者：weixin_42151305

  1. SRGAN-PyTorch：超分辨率纸的简单而完整的实现-源码

  2. SRGAN-PyTorch 概述 该存储库包含对进行的逐点PyTorch重新实现。 目录 关于使用生成对抗网络的逼真的单图像超分辨率 如果您不熟悉SRGAN，请直接从本文中摘录以下内容： 尽管使用更快，更深的卷积神经网络在单图像超分辨率的准确性和速度方面取得了突破，但仍然存在一个主要问题仍未解决：当在较大的放大比例下进行超分辨率处理时，如何恢复更精细的纹理细节？ 基于优化的超分辨率方法的行为主要由目标函数的选择决定。 最近的工作主要集中在最小化均方重构误差上。 得出的估计值具有很高的峰值信噪比

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：638976
    • 提供者：weixin_42132352

  1. pytorch-gans：GAN（生成对抗网络）的PyTorch实现。 DCGAN，Pix2Pix，CycleGAN，SRGAN-源码

  2. 在PyTorch和PyTorch Lightning中生成深度学习模型的实现 DCGAN 论文： 作者：Alec Radford，Luke Metz，Soumith Chintala 代码（PyTorch）： 由 码（闪电）： 由 去做 DCGAN Pix2Pix 循环GAN SRGAN

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_42169971

  1. lr-gan.pytorch：我们的ICLR 2017论文“用于图像生成的分层递归GAN”的Pytorch代码-源码

  2. 分层递归生成对抗网络的Pytorch代码 介绍 这是我们ICLR 2017论文的pytorch实现。 在本文中，考虑到图像自然具有结构和上下文，我们提出了LR-GAN逐层递归生成图像。 如下图所示，LR-GAN首先生成背景图像，然后生成具有外观，姿势和形状的前景。 然后，LR-GAN将前景相应地放置在背景中。 通过这种方式，LR-GAN可以显着减少背景和前景之间的混合。 定性和定量比较均表明，LR-GAN比基线DCGAN模型可以生成更好和清晰的图像。 免责声明 这是基于Pytorch的LR-

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：12582912
    • 提供者：weixin_42131790

  1. gans-awesome-applications：精选的GAN应用程序和演示清单-源码

  2. gans-awesome应用程序 精选的GAN应用程序和演示清单。 注意：列表中不包括针对简单图像生成的常规GAN论文，例如DCGAN，BEGAN等。 我主要关心应用程序。 我尊重的标志性论文。 生成对抗网络， ， 深度卷积生成对抗网络的无监督表示学习， ， 训练GAN的改进技术， ， 开始：边界均衡生成对抗网络， ， 内容 使用此内容列表，或直接按Command + F搜索关键字 使用GAN的应用程序 字体生成 使用条件GAN学习汉字样式， ， 通过单阶段很少学习的艺

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：211968
    • 提供者：weixin_42127020

  1. 甘-源码

  2. 使用PyTorch实施GAN和DCGAN 该项目中实现的生成对抗网络和深度卷积生成对抗网络基于Goodfellow等人的论文“”。 和分别由Soumith Chintala撰写的“”。 除了DCGAN以外，在过去2到3年中已经引入了许多有关GAN的扩展，但它仍然是计算机视觉或深度学习中最受关注的领域。 GAN： 通用对抗网络及其逆向网络家族（包括DCGAN）是两个相互竞争以创建与输入非常相似的输出的神经网络。 这两个网络（生成器和鉴别器）正在发挥对抗性作用。 生成器网络根据输入图像根据随机

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：11534336
    • 提供者：weixin_42151729

  1. 手写数字生成：PyTorch实现-使用MNIST数据集的GAN模型识别手写数字-源码

  2. 手写数字生成 PyTorch实现-使用MNIST数据集的GAN模型生成/识别手写数字 项目目标 目标是使用在MNIST数据集上训练的生成对抗网络（GAN）生成新的手写数字。 GAN（生成对抗网络） GAN最早是在2014年由Ian Goodfellow和Yoshua Bengio实验室的其他人报道的。 从那时起，GAN爆炸式增长。 GAN的思想是使用两个网络相互竞争，即生成器G和鉴别器D。 生成器使“伪”数据传递到鉴别器。 鉴别器还可以看到真实的训练数据，并预测接收到的数据是真实的还是伪造的。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：2097152
    • 提供者：weixin_42164931

  1. PyTorch-GAN：生成对抗网络的PyTorch实现-源码

  2. 该存储库已过时，因为很遗憾，我没有时间去维护它。 如果您想作为合作者继续开发它，请给我发送电子邮件至 。 PyTorch-GAN 研究论文中介绍了生成对抗网络的PyTorch实施的集合。 模型体系结构不会总是反映论文中提出的那些，但是我选择专注于覆盖核心思想，而不是正确地配置每个层。 我们非常欢迎GAN做出的贡献和建议。 另请参阅： 目录 安装 $ git clone https://github.com/eriklindernoren/PyTorch-GAN $ cd PyTorch-G

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：30408704
    • 提供者：weixin_42136791

  1. Generative_Adversarial_Networks_LS：用Pytorch编写的GAN-源码

  2. 生成对抗网络 GAN的应用很多，但是在这里我将实现一些概念证明，以便更好地学习该网络的基础并使用Pytorch进行编码。 内容 1- GAN-MNIST：在MNIST数据集上使用线性层实现的GAN 优化程序判别器：Adam，学习率= 0.0002，β=（0.4，0.999）。 优化程序生成器：Adam，学习率= 0.0002，β=（0.4，0.999）。 标准：二元交叉熵 30纪元 2- GAN-CELEBA：受过训练的Generator在CELEBA数据集上使用它，已个性化以从GAN_G

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：44040192
    • 提供者：weixin_42116672

  1. DL马拉松-源码

  2. DL马拉松（全方位的深度学习疯狂） “人工智能，机器学习，深度学习” -您是否发现这些术语是随机出现的并且想开始使用，但并不完全知道该怎么做？ 不用担心！ 我们为您带来了DL马拉松-深度学习狂热的全过程，我们在其中深入研究了深度学习的各个子主题，例如计算机视觉，自然语言处理，强化学习等。对于这些主题，我们将选择一些相关的主题问题并帮助您详细了解它们。 此外，我们将在实时代码中实施每个模型，以帮助您加深理解！ 会议概况 2月14日：简介-机器学习的基本原理（线性回归，梯度下降，反向传播等），P

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1024
    • 提供者：weixin_42135753

  1. ncsnv2：NCSNv2的官方PyTorch实现-源码

  2. 用于训练基于分数的生成模型的改进技术 此回购包含论文《的正式实现。 由斯坦福大学AI实验室的和。 我们大大改进了提出的方法。 基于分数的生成模型是灵活的神经网络，经过训练后可以捕获基础数据分布的分数函数-一个矢量场，指向数据密度增长最快的方向。 我们提出了新技术来改善基于得分的生成模型的性能，将它们缩放到以前无法实现的高分辨率图像。 无需对抗训练，他们就可以产生可与GAN媲美的清晰多样的图像样本。 （从左到右：我们的样本分别为FFHQ 256px，LSUN卧室128px，LSUN塔128p

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：666624
    • 提供者：weixin_42134051

  1. gans：在PyTorch和Tensorflow中实施的生成对抗网络-源码

  2. gans：生成对抗网络 在PyTorch和Tensorflow中实现了多个生成对抗网络（GAN）。 ，以获取有关Generative Networks的介绍。 香草甘氨酸 在这个项目中发现的香草GAN是根据Goodfellow等人的原始论文《 开发的。 这些在上进行了训练，并学会了使用二维输入图像的一维矢量表示来创建手写数字图像。 训练前后，类似MNIST的生成图像。 直流电源 此存储库中的深度卷积生成对抗网络（DCGAN）是基于Radford等人的原始论文《进行而开发的。 这些都是在和

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：17825792
    • 提供者：weixin_42125770

  1. tensorflow-generative-model-collections：Tensorflow中生成模型的集合-源码

  2. 张量流生成模型集合 各种GAN和VAE的Tensorflow实现。 相关资料库 火炬版 该存储库的Pytorch版本在可用 “ GAN是否创造了平等？大规模研究”论文 是中使用的代码。 它为所有gan变量提供了IS / FID和丰富的实验结果。 生成对抗网络（GAN） 清单 名称 论文链接 价值功能 甘 LSGAN WGAN WGAN_GP 德拉甘 CGAN infoGAN ACGAN 依宾 开始 GAN结构的变体 mnist的结果 生成器和鉴别器的网络架构与。 为了公平比较所

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_42152298

  1. DeblurGAN：使用生成对抗网络进行图像去模糊-源码

  2. DeblurGAN DeblurGAN：使用条件对抗网络进行盲运动去模糊的Pytorch实现。 我们的网络将模糊的图像作为输入，并进行相应的清晰估计，如示例所示： 我们使用的模型是条件性Wasserstein GAN，具有基于VGG-19激活的渐变惩罚+感知损失。 这样的体系结构在其他图像到图像的转换问题（超分辨率，着色，修复，除雾等）上也给出了良好的结果。 怎么跑 先决条件 NVIDIA GPU + CUDA CuDNN（CPU未经测试，感谢反馈） 火炬 从下载权重。 请注意，在推论过

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：35651584
    • 提供者：weixin_42160645

  1. iGAN：通过生成对抗网络生成交互式图像-源码

  2. iGAN：通过生成对抗网络生成交互式图像 | | 最近的项目： ：火炬实现，用于学习从输入图像到输出图像的映射。 ：火炬实现，用于学习没有输入输出对的图像到图像的转换（即pix2pix）。 ：用于不成对和成对的图像到图像转换的PyTorch实现。 总览 iGAN（又名交互式GAN）是作者对交互式图像生成接口的实现，其描述如下： “自然图像流形上的生成视觉操纵” ，， ， 在2016年欧洲计算机视觉会议（ECCV）中 给定一些用户笔触，我们的系统可以生成逼真的样本，最能实时满足用户的编

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：9437184
    • 提供者：weixin_42175971

  1. TextGAN-PyTorch：TextGAN是用于基于生成对抗网络（GAN）的文本生成模型的PyTorch框架-源码

  2. TextGAN-PyTorch TextGAN是用于基于生成对抗网络（GAN）的文本生成模型的PyTorch框架，包括常规文本生成模型和类别文本生成模型。 TextGAN是一个基准测试平台，可支持基于GAN的文本生成模型的研究。 由于大多数基于GAN的文本生成模型都是由Tensorflow实现的，因此TextGAN可以帮助那些习惯PyTorch的人更快地进入文本生成领域。 如果您在执行中发现任何错误，请告诉我！ 另外，如果您要添加其他模型，请随时为该存储库做出贡献。 要求 PyTorch&g

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42119866