生成对抗网络简介

此仓库包含与 O'Reilly 关于生成对抗网络的教程 配合使用的代码，该教程由 Jon Bruner 和 Adit Deshpande 撰写。您可以在 O'Reilly 的服务器上，在预构建的环境中按照逐个单元格的指导运行这些代码，请参阅原始教程；或者您也可以在自己的机器上运行这些文件。

本仓库中提供了我们简单 GAN 模型的三个版本：

• gan-notebook.ipynb 与交互式教程完全一致，此处提供是为了方便您在本地机器上运行。
• gan-script.py 是一个直接从教程中提取代码的简洁 Python 脚本，可通过命令行运行。请注意，脚本执行时不会输出任何内容，但会定期向 TensorBoard 发送更新信息，以便您跟踪训练进度。
• gan-script-fast.py 是对 gan-script.py 的小幅重构版本，由于更多计算被纳入 TensorFlow 图中，因此运行速度稍快。

环境要求与安装

要运行 gan-script.py 或 gan-script-fast.py，您需要 TensorFlow 1.0 或更高版本 以及 NumPy。而要运行 gan-notebook.ipynb，则还需要 Jupyter 和 matplotlib。

如果您机器上已经安装了 TensorFlow，那么通常也已包含 NumPy，应该可以直接运行这些纯 Python 脚本。

安装 Anaconda Python 和 TensorFlow

安装 TensorFlow 以及 NumPy、Jupyter 和 matplotlib 的最简便方法是使用 Anaconda Python 发行版。

1. 按照 Anaconda Python 的安装说明 进行安装。我们建议使用 Python 3.6。

2. 根据您的平台，参考 TensorFlow 的安装说明。请务必遵循“使用 Anaconda 安装”的流程，并创建一个名为 tensorflow 的 Conda 环境。

3. 如果您尚未进入 Conda TensorFlow 环境，请打开终端并输入以下命令以激活环境：

   source activate tensorflow
   

4. 下载并解压 GitHub 上的整个仓库，可以通过交互方式完成，也可以通过输入以下命令：

   git clone https://github.com/jonbruner/generative-adversarial-networks.git
   

5. 使用 cd 命令导航到您机器上该仓库的根目录。

6. 启动 Jupyter，输入以下命令：

   jupyter notebook
   

   然后在浏览器中访问终端输出中显示的 URL（通常是 http://localhost:8888/）。

Generative Adversarial Networks (GAN) 快速上手指南

本指南基于 Jon Bruner 和 Adit Deshpande 编写的 O'Reilly 教程代码，帮助你在本地机器上快速运行简单的 GAN 模型。

环境准备

在开始之前，请确保你的系统满足以下要求：

• 操作系统：Windows, macOS 或 Linux
• Python 版本：推荐 Python 3.6
• 核心依赖：
  • TensorFlow (版本 1.0 或更高)
  • NumPy
• 可选依赖（仅当运行 Jupyter Notebook 时需要）：
  • Jupyter
  • matplotlib

提示：国内用户安装大型依赖包时，建议配置清华源或阿里源以加速下载。

安装步骤

推荐使用 Anaconda 进行环境管理，这是最简便的安装方式。

1. 安装 Anaconda

访问 Anaconda 官网 或 清华大学开源软件镜像站 下载并安装 Anaconda Python 发行版（推荐 Python 3.6 版本）。

2. 创建 TensorFlow 环境

打开终端（Terminal 或 Anaconda Prompt），执行以下命令创建名为 tensorflow 的 Conda 环境并安装 TensorFlow：

conda create -n tensorflow pip python=3.6
source activate tensorflow
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py3-none-any.whl

(注：以上为 macOS CPU 版本示例，Windows 或 Linux 用户请访问 TensorFlow 官方安装指南 获取对应平台的安装命令，或使用 pip install tensorflow==1.15.0 安装兼容版本)

安装其他必要库：

pip install numpy jupyter matplotlib

3. 获取项目代码

克隆 GitHub 仓库到本地：

git clone https://github.com/jonbruner/generative-adversarial-networks.git

进入项目目录：

cd generative-adversarial-networks

基本使用

本项目提供三种运行方式，你可以根据需求选择：

方式一：交互式学习（推荐初学者）

使用 Jupyter Notebook 逐步运行代码，适合跟随教程学习。

1. 确保已激活环境：

   source activate tensorflow
   

2. 启动 Jupyter：

   jupyter notebook
   

3. 在浏览器中打开显示的链接（通常为 http://localhost:8888/），点击 gan-notebook.ipynb 文件即可开始运行。

方式二：命令行脚本运行

直接运行 Python 脚本，适合快速测试模型训练。

python gan-script.py

注意：该脚本运行时不会在终端打印输出，但会定期向 TensorBoard 发送更新数据。你可以运行 tensorboard --logdir=/tmp/gan_logs 来查看训练进度。

方式三：加速版脚本

运行经过优化的版本，计算效率更高：

python gan-script-fast.py