BEGAN in Tensorflow
Tensorflow implementation of BEGAN: Boundary Equilibrium Generative Adversarial Networks.
Requirements
- Python 2.7 or 3.x
- Pillow
- tqdm
- requests (Only used for downloading CelebA dataset)
- TensorFlow 1.3.0
Usage
First download CelebA datasets with:
$ apt-get install p7zip-full # ubuntu
$ brew install p7zip # Mac
$ python download.py
or you can use your own dataset by placing images like:
data
└── YOUR_DATASET_NAME
├── xxx.jpg (name doesn't matter)
├── yyy.jpg
└── ...
To train a model:
$ python main.py --dataset=CelebA --use_gpu=True
$ python main.py --dataset=YOUR_DATASET_NAME --use_gpu=True
To test a model (use your load_path):
$ python main.py --dataset=CelebA --load_path=CelebA_0405_124806 --use_gpu=True --is_train=False --split valid
Results
Generator output (64x64) with gamma=0.5 after 300k steps
Generator output (128x128) with gamma=0.5 after 200k steps
Interpolation of Generator output (64x64) with gamma=0.5 after 300k steps
Interpolation of Generator output (128x128) with gamma=0.5 after 200k steps
Interpolation of Discriminator output of real images
Related works
Author
Taehoon Kim / @carpedm20
-
参考： 1、https://github.com/awjuliani/TF-Tutorials 2、https://github.com/AYLIEN/gan-intro/blob/master/gan.py 3、https://github.com/tflearn/tflearn/tree/master/examples/images 5、https://github.com/carpedm20
-
来源于github上hmi88大佬的代码。 问题：InternalError: Blas GEMM launch failed : a.shape=(16, 64), b.shape=(64, 8192) 解决： gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333) https://blog.csdn.net/sunw
-
很好的一个学习笔记，原文：https://blog.csdn.net/z704630835/article/details/83790098 一、背景 BEGAN，即边界平衡GAN（Boundary Equilibrium GAN），是DavidBerthelot等人[1]于2017年03月提出的一种方法。传统的GAN是利用判别器去评估生成器生成的图片和真实图片的数据分布是否一致，而BEGAN则代
-
问题内容： 我正在尝试移植以下Python代码行： Java。我能够通过这种方式做到这一点： 我尝试使用类似的变量方法： 但我得到这个错误： 我想我需要使用该值设置一个特殊的属性，或者以后需要对其进行初始化。但是我找不到路。 我计划对大多数其他tf方法执行相同的操作（这是我目前的工作）。所以我想了解如何自己提出答案。例如，通过查看以下Python来源： https://github.com/ten
-
本文向大家介绍简单介绍一下tensorflow的计算流图?相关面试题，主要包含被问及简单介绍一下tensorflow的计算流图?时的应答技巧和注意事项，需要的朋友参考一下 答：Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor, 也就是张量，而节点之间的边描述了计算之间的
-
本文向大家介绍tensorflow中graph和session？相关面试题，主要包含被问及tensorflow中graph和session？时的应答技巧和注意事项，需要的朋友参考一下 如果在一个进程中创建了多个Graph，则需要创建不同的Session来加载每个Graph，而每个Graph则可以加载在多个Session中进行计算。
-
问题内容： 我想知道是否有一种方法可以对Caffe中的不同层使用不同的学习率。我正在尝试修改预训练的模型，并将其用于其他任务。我想要的是加快对新添加的层的培训，并使受过培训的层保持较低的学习率，以防止它们变形。例如，我有一个5转换层的预训练模型。现在，我添加一个新的转换层并对其进行微调。前5层的学习率为0.00001，后5层的学习率为0.001。任何想法如何实现这一目标？ 问题答案： 使用2个优化
-
问题内容： 我正在使用Keras与Tensorflow作为后端。 我正在尝试在主流程中保存模型，然后在另一个流程中加载/运行（即调用）。 我目前正在尝试从文档中使用天真的方法来保存/加载模型：https : //keras.io/getting-started/faq/#how-can-i-save-a- keras-model 。 所以基本上： 在主要过程中 在子进程中 在子进程中 但是，它只是
-
问题内容： 我一直在使用中矩阵乘法的入门示例。 当我打印产品时，它显示为一个对象： 但是我怎么知道价值呢？ 以下内容无济于事： 我知道图形可以继续运行，但是没有任何方法可以在不运行图形的情况下检查对象的输出吗？ 问题答案： 评估对象实际值的最简单方法[A]Tensor是将其传递给方法，或者在有默认会话时（即在一个:块中，或参阅下文）调用该方法。通常[B]，如果不在会话中运行某些代码，就无法打印张量