本港台开奖现场直播 j2开奖直播报码现场
当前位置: 新闻频道 > IT新闻 >

GAN库发布,实现多种GAN及特征匹配去噪

时间:2017-07-14 00:43来源:香港现场开奖 作者:j2开奖直播 点击:
原文来源:GitHub、Arxiv 「机器人圈」编译:嗯~阿童木呀、BaymaxZ Chainer是一个基于Python的深度学习框架。它基于动态计算图以及面向对象的高级API,以构建并训练神经网络,提供自动微

原文来源:GitHub、Arxiv

「机器人圈」编译:嗯~阿童木呀、BaymaxZ

Chainer是一个基于Python的深度学习框架。它基于动态计算图以及面向对象的高级API,以构建并训练神经网络,提供自动微分API。它还支持CUDA / cuDNN使用CuPy进行高性能训练。

Chainer-GAN库汇集了当前最高水准的基于Chainer实现的GAN算法;

这些代已在Cifar-10数据集中,使用inceptionscore进行过评估;

请注意,代在基于原论文的基础上做了些许修改。

如何使用?

首先要阅读安装要求:

pip install -r requirements.txt

实现已通过以下版本进行测试。

python 3.5.2

从https://github.com/hvy/chainer-inception-score中可获得inception score模块,下文将进行详细解读。

git submodule update -i

下载inception模型。

cd common/inception

你可以使用train.py开始进行训练。

python train.py --gpu 0 --algorithm dcgan --out result_dcgan

请参阅example.sh来训练其他算法。

定量评估

GAN库发布,<a href=atv,实现多种GAN及特征匹配去噪" src="http://m.jtjc.net/5b0988e595225.cdn.sohucs.com/images/20170713/75b64f1df89a4755a38cef7367ef4b51.png" img_width="524" img_height="245" max-width="600" />

Inception scores是通过对5000个样本进行10次平均评估得到的。

FID是通过对5000个训练数据集和10000个生成样本进行计算的。

生成的图像

WGAN-GP

DFM

Cramer GAN

DRGAN

DCGAN

Minibatch discrimination

BEGAN

Inception Score

Inception score模块的Chainer实现发布于《训练生成对抗网络的技术改进》(ImprovedTechniques for Training GANs)这篇论文中。代码源自OpenAI的官方开源代码(https://github.com/openai/improved-gan)。

Inception Score是OpenAI的Tim Salimans、GANs之父IanGoodfellow等人2016年在上述论文中提出的一种方法,使用预训练的分类器网络和采样图像,直播,评估诸如VAE和GAN之类的生成式模型。

这正是基于以下事实:良好的样本(图像看起来像来自真实数据分布的图像)预计会产生:

低熵p(y|x),即高预测置信度

高熵p(y),即高度变化的预测

其中x是图像,p(y|x)是预先训练的Inception网络给出的x的推断类标签概率,p(y)是所有图像上的边际分布。

Inception Score的定义为exp(E_x[KL(p(y|x)|| p(y))])

用法

下载预先训练好的TensorFlow模型并创建一个名为inception_score.model的Chainer副本。

python download.py --outfile inception_score.model

加载预先训练的Chainer模型,并计算包括训练图像和测试图像在内的CIFAR-10数据集的inception score。为了限制图像的数量,请使用--samples 选项。

python example.py --model inception_score.model ...

在Python中的使用示例

import numpy as npfrom chainer import serializers, datasetsfrom inception_score import Inception, inception_score

注意

从inception score的得分情况来看,该实现相较于原来的基于CIFAR-10,使用双线性插值从(32,32)到(299,299)上采样的分数要高得多。

《训练生成对抗网络的技术改进》

Inception score模块的Chainer实现发布于《训练生成对抗网络的技术改进》这篇论文中,科研人员提出了将应用于生成对抗网络(GAN)框架的各种新的架构特征和训练程序。他们专注于GAN的两个应用:半监督学习,以及人类视觉逼真意义上的图像生成。与大多数生成模型的工作不同,其主要目标不是训练一个分配高相似性以测试数据的模型,也不要求模型能够在不使用任何标签的情况下进行学习。

(责任编辑:本港台直播)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容