PyTorch生成模型合集

原文：[TensorFlow版本]

各种GAN的PyTorch实现。

本仓库是在Hwalsuk Lee的tensorflow-generative-model-collections的基础上重新实现的。

我尽量按照tensorflow-generative-model-collections来实现，但部分模型仍有一些差异。

本仓库包含了CPU模式下的PyTorch代码，但我并未进行测试。我仅在GPU模式下对PyTorch代码进行了测试。

数据集

• MNIST
• Fashion-MNIST
• CIFAR10
• SVHN
• STL10
• LSUN-bed

我只在MNIST和Fashion-MNIST上测试了代码。

生成对抗网络（GANs）

列表（表格引用自tensorflow-generative-model-collections）

名称	论文链接	目标函数
GAN	Arxiv
LSGAN	Arxiv
WGAN	Arxiv
WGAN_GP	Arxiv
DRAGAN	Arxiv
CGAN	Arxiv
infoGAN	Arxiv
ACGAN	Arxiv
EBGAN	Arxiv
BEGAN	Arxiv

GAN结构变体（图片引用自tensorflow-generative-model-collections）

MNIST 数据集结果

生成器和判别器的网络架构与 infoGAN 论文 中完全一致。
为了公平比较各类 GAN 的核心思想，除 EBGAN 和 BEGAN 外，所有实现的网络架构均保持一致。由于 EBGAN 和 BEGAN 采用了自编码器结构作为判别器，因此对其进行了小幅修改，但我尽量保持了判别器的容量。

以下结果可通过以下命令复现：

python main.py --dataset mnist --gan_type <TYPE> --epoch 50 --batch_size 64

固定噪声生成

所有结果均由固定的噪声向量生成。

名称	第1轮	第25轮	第50轮	GIF
GAN
LSGAN
WGAN
WGAN_GP
DRAGAN
EBGAN
BEGAN

条件生成

每一行使用相同的噪声向量，每一列使用相同的标签条件。

名称	第1轮	第25轮	第50轮	GIF
CGAN
ACGAN
infoGAN

InfoGAN：操纵两个连续编码

所有结果使用相同的噪声向量和标签条件，但连续向量不同。

名称	第1轮	第25轮	第50轮	GIF
infoGAN

损失曲线图

名称	损失
GAN
LSGAN
WGAN
WGAN_GP
DRAGAN
EBGAN
BEGAN
CGAN
ACGAN
infoGAN

Fashion-MNIST 的结果

关于 MNIST 网络架构的评论同样适用于此处。
Fashion-MNIST 是一个近期提出的数据集，包含 60,000 个训练样本和 10,000 个测试样本。每个样本是 28×28 像素的灰度图像，并对应 10 个类别之一。（T恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包、短靴）

以下结果可通过以下命令复现：

python main.py --dataset fashion-mnist --gan_type <TYPE> --epoch 50 --batch_size 64

固定生成

所有结果均基于固定的噪声向量生成。

名称	第1轮	第25轮	第50轮	GIF
GAN
LSGAN
WGAN
WGAN_GP
DRAGAN
EBGAN
BEGAN

条件生成

每一行使用相同的噪声向量，每一列使用相同的标签条件。

名称	第1轮	第25轮	第50轮	GIF
CGAN
ACGAN
infoGAN

• ACGAN 在 tensorflow-generative-model-collections 中容易出现模式坍塌现象，但 PyTorch 实现的 ACGAN 并未出现模式坍塌。

InfoGAN：操纵两个连续编码

所有结果使用相同的噪声向量和标签条件，但连续向量不同。

名称	第1轮	第25轮	第50轮	GIF
infoGAN

损失曲线图

名称	损失
GAN
LSGAN
WGAN
WGAN_GP
DRAGAN
EBGAN
BEGAN
CGAN
ACGAN
infoGAN

文件夹结构

以下是基本的文件夹结构。

├── main.py # 入口文件
├── data
│   ├── mnist # MNIST 数据（本仓库不包含）
│   ├── ...
│   ├── ...
│   └── fashion-mnist # Fashion-MNIST 数据（本仓库不包含）
│
├── GAN.py # 原始 GAN 实现
├── utils.py # 工具函数
├── dataloader.py # 数据加载器
├── models # 模型文件存放目录
└── results # 生成结果存放目录

开发环境

• Ubuntu 16.04 LTS
• NVIDIA GTX 1080 Ti
• CUDA 9.0
• Python 3.5.2
• PyTorch 0.4.0
• torchvision 0.2.1
• NumPy 1.14.3
• Matplotlib 2.2.2
• imageio 2.3.0
• SciPy 1.1.0

致谢

本实现基于 tensorflow-generative-model-collections，并在 Ubuntu 16.04 上使用 GPU 和 PyTorch 0.4.0 进行了测试。

pytorch-generative-model-collections 快速上手指南

本工具是基于 PyTorch 实现的多种生成对抗网络（GAN）集合，参考了 Hwalsuk Lee 的 TensorFlow 版本。它提供了包括 GAN、LSGAN、WGAN、CGAN、InfoGAN 等在内的多种主流变体，适用于图像生成研究与学习。

环境准备

系统要求

• 操作系统：Linux / macOS / Windows
• Python 版本：推荐 Python 3.6+
• 硬件要求：
  • GPU：强烈推荐使用 NVIDIA GPU 进行训练（代码仅在 GPU 模式下经过测试）。
  • CPU：代码包含 CPU 模式支持，但作者未进行测试，稳定性不保证。

前置依赖

请确保已安装以下核心库：

• pytorch (建议最新版本)
• torchvision
• numpy
• scipy
• matplotlib

国内加速建议：

• 安装 PyTorch 时，推荐使用清华或中科大镜像源。
• 数据集下载若遇阻，可手动下载后放置于项目数据目录。

安装步骤

1. 克隆仓库

   git clone https://github.com/wiseodd/pytorch-generative-model-collections.git
   cd pytorch-generative-model-collections
   

2. 安装依赖 如果尚未安装 PyTorch，请先访问 PyTorch 官网 获取适合你环境的安装命令。以下是使用 pip 安装其他依赖的示例：

   使用国内镜像源加速安装：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   (注：若项目中无 requirements.txt 文件，请手动安装上述“前置依赖”中列出的库)

基本使用

本项目通过 main.py 脚本统一入口，支持切换不同的数据集和 GAN 模型类型。

1. 训练模型

语法格式：

python main.py --dataset <数据集名称> --gan_type <模型类型> --epoch <训练轮数> --batch_size <批次大小>

常用参数说明：

• --dataset: 支持 mnist, fashion-mnist, cifar10, svhn, stl10, lsun-bed。

  注意：作者仅在 mnist 和 fashion-mnist 上完成了完整测试。

• --gan_type: 支持的模型包括 GAN, LSGAN, WGAN, WGAN_GP, DRAGAN, CGAN, infoGAN, ACGAN, EBGAN, BEGAN。

最简单的使用示例（在 MNIST 数据集上训练基础 GAN）：

python main.py --dataset mnist --gan_type GAN --epoch 50 --batch_size 64

在 Fashion-MNIST 数据集上训练 WGAN-GP：

python main.py --dataset fashion-mnist --gan_type WGAN_GP --epoch 50 --batch_size 64

2. 查看结果

训练过程中，模型会自动保存生成的图像样本（固定噪声生成、条件生成等）以及损失函数曲线图。输出结果通常保存在项目根目录下的 results 或对应数据集的子文件夹中（具体路径视代码实际运行配置而定），包含不同 Epoch 的生成效果对比图及 GIF 动画。

3. 网络架构说明

为了保证公平对比核心思想，除 EBGAN 和 BEGAN（因其判别器采用自编码器结构需微调）外，其余所有模型的生成器和判别器网络架构均保持与 InfoGAN 论文一致。