FashionGen 上的 DCGAN

import torch
use_gpu = True if torch.cuda.is_available() else False

model = torch.hub.load('facebookresearch/pytorch_GAN_zoo:hub', 'DCGAN', pretrained=True, useGPU=use_gpu)

模型的輸入是一個形狀為 (N, 120) 的噪聲向量，其中 N 是要生成的影像數量。可以使用函式 .buildNoiseData 來構建它。模型有一個 .test 函式，它接受噪聲向量並生成影像。

num_images = 64
noise, _ = model.buildNoiseData(num_images)
with torch.no_grad():
    generated_images = model.test(noise)

# let's plot these images using torchvision and matplotlib
import matplotlib.pyplot as plt
import torchvision
plt.imshow(torchvision.utils.make_grid(generated_images).permute(1, 2, 0).cpu().numpy())
# plt.show()

您應該會看到一張類似於左側的影像。

如果您想從頭開始訓練自己的 DCGAN 和其他 GAN，請檢視 PyTorch GAN Zoo。

模型描述

在計算機視覺中，生成模型是經過訓練以根據給定輸入建立影像的網路。在我們的案例中，我們考慮一種特定型別的生成網路：GAN（生成對抗網路），它學習將隨機向量對映到逼真的影像生成。

DCGAN 是 Radford 等人於 2015 年在論文 使用深度卷積生成對抗網路進行無監督表示學習 中設計的模型。它是一種 GAN 架構，對於低解析度影像生成（高達 64×64）來說，既非常簡單又高效。

要求

• 目前僅支援 Python 3

參考文獻

• 使用深度卷積生成對抗網路進行無監督表示學習