生成模型

PyTorch 和 TensorFlow 中的生成模型合集，例如 GAN、VAE。这里也包括 RBM 和亥姆霍兹机。

注意：

在训练过程中，生成的样本将存储在 GAN/{gan_model}/out（或 VAE/{vae_model}/out 等）目录中。

包含哪些内容？

生成对抗网络 (GAN)

1. Vanilla GAN
2. 条件 GAN
3. InfoGAN
4. Wasserstein GAN
5. 模式正则化 GAN
6. 耦合 GAN
7. 辅助分类器 GAN
8. 最小二乘 GAN
9. 边界探索 GAN
10. 基于能量的 GAN
11. f-GAN
12. 生成对抗并行化
13. DiscoGAN
14. 对抗特征学习 和 对抗学习推理
15. 边界平衡 GAN
16. Wasserstein GAN 的改进训练
17. DualGAN
18. MAGAN：用于 GAN 的边缘适应
19. Softmax GAN
20. GibbsNet

变分自编码器 (VAE)

1. Vanilla VAE
2. 条件 VAE
3. 去噪 VAE
4. 对抗自编码器
5. 对抗变分贝叶斯

受限玻尔兹曼机 (RBM)

1. 采用对比散度的二值 RBM
2. 采用持久对比散度的二值 RBM

亥姆霍兹机

1. 采用唤醒-睡眠算法的二值亥姆霍兹机

依赖项

1. 安装 Miniconda http://conda.pydata.org/miniconda.html
2. 执行 conda env create
3. 进入环境 source activate generative-models
4. 安装 TensorFlow
5. 安装 PyTorch

generative-models 快速上手指南

本仓库汇集了多种基于 PyTorch 和 TensorFlow 实现的生成模型，包括 GAN（生成对抗网络）、VAE（变分自编码器）、RBM（受限玻尔兹曼机）及亥姆霍兹机。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux / macOS / Windows
• Python 版本：建议 Python 3.6+
• 硬件：推荐使用 NVIDIA GPU 以加速训练（可选，但强烈推荐）
• 前置依赖：
  • Miniconda 或 Anaconda
  • Git

国内开发者提示：安装 Miniconda 时，建议使用清华或中科大镜像源下载安装包；后续配置 conda 通道时也推荐切换至国内镜像以提升下载速度。

安装步骤

请按照以下顺序执行命令完成环境搭建：

1. 安装 Miniconda 访问 Miniconda 官网 下载并安装。 国内加速下载：可使用清华镜像站提供的安装包。

2. 创建 Conda 环境 在项目根目录下运行以下命令，自动安装 environment.yml 中定义的依赖：

   conda env create
   

   若下载缓慢，可临时配置清华源：

   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   conda config --set show_channel_urls yes
   

3. 激活环境

   source activate generative-models
   

   (Windows 用户请使用 activate generative-models)

4. 安装深度学习框架 根据您的需求选择安装 TensorFlow 或 PyTorch（或两者都装）：

   • 安装 TensorFlow:

     pip install tensorflow
     

     国内加速：

     pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple
     

   • 安装 PyTorch: 请访问 PyTorch 官网 获取适合您 CUDA 版本的安装命令。 示例 (CPU 版):

     pip install torch torchvision torchaudio
     

     国内加速示例:

     pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
     

基本使用

本仓库包含多种模型实现（如 Vanilla GAN, VAE 等）。以下是通用的运行逻辑：

1. 选择模型脚本 进入对应的模型文件夹，例如 GAN/vanilla_gan/ 或 VAE/vanilla_vae/。

2. 运行训练脚本 通常主脚本名为 main.py 或 train.py。以 Vanilla GAN 为例：

   cd GAN/vanilla_gan
   python main.py
   

   (注：具体文件名请以各子目录下的实际文件为准，部分模型可能支持通过参数指定框架，如 --framework pytorch)

3. 查看生成结果 训练过程中生成的样本图片将自动保存在以下目录：

   • GAN 模型：GAN/{gan_model}/out
   • VAE 模型：VAE/{vae_model}/out
   • 其他模型类推。

   您可以随时查看该目录下的图片以监控训练效果。