[资源]基于 Pytorch 的 TorchGAN开源了！
[资源]基于 Pytorch 的 TorchGAN开源了！
之前推荐过一个基于 TensorFlow 的 GAN 框架--谷歌开源的 GAN 库--TFGAN。
而最近也有一个新的 GAN 框架工具，并且是基于 Pytorch 实现的，项目地址如下：
https://github.com/torchgan/torchgan
对于习惯使用 Pytorch 框架的同学，现在可以采用这个开源项目快速搭建一个 GAN 网络模型了！
目前该开源项目有 400+ 星，它给出了安装的教程、API 文档以及使用教程，文档的地址如下：
https://torchgan.readthedocs.io/en/latest/
安装
对于 TorchGAN 的安装，官网给出 3 种方法，但实际上目前仅支持两种安装方式，分别是pip方式安装以及源码安装，采用conda安装的方法目前还不支持。
Pip 安装方法
安装最新的发布版本的命令如下：
$ pip3 install torchgan
而如果是最新版本：
$ pip3 install git+https://github.com/torchgan/torchgan.git
Conda 安装
这是目前版本还不支持的安装方式，将会在v0.1版本实现这种安装方法。
源码方式安装
按照下列命令的顺序执行来进行从源码安装
$ git clone https://github.com/torchgan/torchgan
$ cd torchgan
$ python setup.py install
依赖库
必须按照的依赖库：
- Numpy
- Pytorch 0.4.1
- Torchvision
可选
- TensorboardX：主要是为了采用
Tensorboard来观察和记录实验结果。安装通过命令pip install tensorboardX - Visdom：为了采用
Xisdom进行记录。安装通过命令pip install visdom
API 文档
API 的文档目录如下：
从目录主要分为以下几个大类：
- torchgan.layers：包含当前常用的用于构建 GAN 结构的一些网络层，包括残差块，Self-Attention，谱归一化(Spectral Normalization)等等
- torchgan.logging：提供了很强的可视化工具接口，包括对损失函数、梯度、测量标准以及生成图片的可视化等
- torchgan.losses：常见的训练 GANs 模型的损失函数，包括原始的对抗损失、最小二乘损失、WGAN的损失函数等；
- torchgan.metrics：主要是提供了不同的评判测量标准
- torchgan.models：包含常见的 GAN 网络结构，可以直接使用并且也可以进行拓展，包括 DCGAN、cGAN等
- torchgan.trainer：主要是提供训练模型的函数接口
教程
教程部分如下所示：
教程给出了几个例子，包括 DCGAN、Self-Attention GAN、CycleGAN 例子，以及如何自定义损伤的方法。
对于 Self-Attention GAN，还提供了一个在谷歌的 Colab 运行的例子，查看链接：
https://torchgan.readthedocs.io/en/latest/tutorials/sagan.html
小结
最后，再给出 Github 项目的链接和文档的对应链接地址：
- https://github.com/torchgan/torchgan
- https://torchgan.readthedocs.io/en/latest/index.html
另外大家如果有想要的有关机器学习、深度学习、python方面或者是编程方面，比如数据结构等方面的教程或者电子书资源，也可以在后台回复，如果我有的话，也会免费分享给你的！
欢迎关注我的微信公众号--机器学习与计算机视觉，或者扫描下方的二维码，大家一起交流，学习和进步！