【模型复现】GAN的优秀变种—包含卷积与反卷积层的DCGAN复现

【模型复现】GAN的优秀变种—包含卷积与反卷积层的DCGAN复现

极链AI云 注册链接
关注极链AI云公众号，学习更多知识！

---

一、模型详情

1.1 模型简介：

DCGAN是上述讲的GAN的一个分支，不同的是DCGAN分别在判别器和生成器中使用卷积和反卷积层。它最初是由Radford等人在论文Unsupervised Representation Learning With Deep Convolutional Generative Adversarial Networks中提出的。判别器由卷积层、批标准化层、以及LeakyReLU激活函数组成。输入是一张3x64x64的图片，输出是该图来自真实数据分布的标量概率值。生成器由反卷积层、批标准化层、以及ReLU激活函数组成。输入是一个来自标准正分布的潜在空间向量 z z z，输出是一个3x64x64的RGB彩色图片。反置卷积层将潜在空间向量转换为具有与真实图像相同的维度。论文中，作者还提供了有关如何设置优化器，如何计算损失函数，以及如何初始化模型权重的一些技巧。

1.2 关键词：

卷积层与反卷积层

1.3 应用场景：

图像分类

1.4 结构：

1.5 论文地址：

https://arxiv.org/pdf/1511.06434.pdf

1.6 模型来源：

https://github.com/pytorch/tutorials/blob/master/beginner_source/dcgan_faces_tutorial.py

---

下面就是该模型的具体复现流程

---

二、效果展示

三、平台环境准备

3.1 打开极链AI云平台

极链AI云

3.2 点击模型

3.3 选择并创建实例

进入模型列表，选择DCGAN模型

选择使用的显卡，此处以RTX 2080 ti为例

选择模型及镜像

点击下一步创建即可

2.4 使用jupyterlab连接

---

四、模型复现

4.1 环境配置

进入jupyterlab后，可以看见模型使用文档

点击左上角“+”，打开终端界面

在终端中执行以下代码，完成环境配置

cd ../..
cd user-data
mkdir CelebA
# 在user-data目录下创建CelebA文件夹
cd ..
cp -r datasets/CelebA/Img/img_align_celeba ../../user-data/CelebA
# 将复现所需的公开数据集复制到指定文件夹下

由于数据集较大，此步骤耗时约20分钟

4.2 模型训练

在终端，进入root/DCGAN（默认）路径下，运行以下命令：

python DCGAN.py

训练需要约4小时（基于RTX 2080 Ti）

以上就是DCGAN模型复现的全部流程，该模型在极链AI云官网已上架，同时极链AI云还拥有其他热门模型，简单步骤即可实现复现。点击 极链AI云 即可进入官网

平台还有许多热门活动哦，如果你是学生的话，完成认证还可以领取专属福利噢，快点击注册链接来试试吧～