\u200E
图像生成-CGAN
类别 计算机视觉(PaddleCV)
应用 图像生成 图像编辑 图像超分辨率 图像风格迁移 文本到图像的翻译
模型概述
CGAN即conditional Gan,条件生成对抗网络,一种带条件约束的GAN,使用额外信息对模型增加条件,可以指导数据生成过程。
模型说明
运行本目录下的程序示例需要使用PaddlePaddle develop最新版本。如果您的PaddlePaddle安装版本低于此要求,请按照[安装文档](http://www.paddlepaddle.org/docs/develop/documentation/zh/build_and_install/pip_install_cn.html)中的说明更新PaddlePaddle安装版本。 ## 代码结构 ``` ├── network.py # 定义基础生成网络和判别网络。 ├── utility.py # 定义通用工具方法。 ├── dc_gan.py # DCGAN训练脚本。 └── c_gan.py # conditionalGAN训练脚本。 ``` ## 数据准备 本教程使用 mnist 数据集来进行模型的训练测试工作,该数据集通过`paddle.dataset`模块自动下载到本地。 ## 训练测试conditianalGAN 在GPU单卡上训练conditionalGAN: ``` env CUDA_VISIBLE_DEVICES=0 python c_gan.py --output="./result" ``` 训练过程中,每隔固定的训练轮数,会取一个batch的数据进行测试,测试结果以图片的形式保存至`--output`选项指定的路径。 执行`python c_gan.py --help`可查看更多使用方式和参数详细说明。 图1为conditionalGAN训练损失示意图,其中横坐标轴为训练轮数,纵轴为在训练集上的损失。其中,'G_loss'和'D_loss'分别为生成网络和判别器网络的训练损失。conditionalGAN训练19轮的模型预测效果如图2所示.

图 1 图 2