South Korea
sanghoon/tf-exercise-gan
Tensorflow implementation of different GANs and their comparisions
🧪 Bộ thu thập GAN đa dạng bằng TensorFlow
Tập hợp cài đặt và so sánh nhiều kiến trúc GAN trên TensorFlow, bao gồm cả bản so sánh thực nghiệm trên MNIST, CelebA và dữ liệu t合成.
dự án tf-exercise-gan do Sanghoon triển khai, cung cấp cách cài đặt tham khảo cho nhiều mô hình GAN khác nhau cũng như các thí nghiệm so sánh hiệu năng. Mặc dù không còn được bảo trì, nhưng vẫn là nguồn hữu ích để học hỏi cách xây dựng và đánh giá mô hình GAN.
✨ Điểm nổi bật
- DCGAN: Cài đặt theo bài báo 'Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks'.
- WGAN: Áp dụng Wasserstein distance để ổn định quá trình huấn luyện.
- BEGAN: Sử dụng Boundary Equilibrium để cân bằng giữa chất lượng và đa dạng.
- MAD-GAN: Mô hình đa tác nhân sinh ra nhiều mẫu đa dạng.
- GoGAN: Áp dụng ngưỡng lớn nhất để cải thiện chất lượng sinh.
- So sánh trên MNIST và CelebA: Cung cấp kết quả mẫu và báo cáo thí nghiệm.
- Đánh giá trên dữ liệu t合成: Thử nghiệm nhanh trên các tập dữ liệu nhỏ.
- MAD-GAN dẫn đầu: Kết quả thí nghiệm cho thấy MAD-GAN hoạt động tốt nhất trên một số bộ dữ liệu t合成.
💡 Vì sao đáng chú ý
Đây là một tài nguyên thực hành tốt cho người mới bắt đầu muốn hiểu rõ cách hoạt động của GAN qua các ví dụ cụ thể. Mỗi mô hình được cài đặt gần như nguyên văn từ bài báo, giúp dễ dàng so sánh sự khác biệt. Đặc biệt, phần so sánh thực nghiệm cung cấp những cái nhìn thực tế về hiệu năng của từng kiến trúc trên cùng một bộ dữ liệu.
#GAN #TensorFlow #MachineLearning #AI #TiniX
Similar Projects
Discover other similar projects and AI models.
Programming assignments and quizzes from all courses within the GANs specialization offered by deeplearning.ai
A MNIST-like fashion product database. Benchmark :point_down:
High-fidelity performance metrics for generative models in PyTorch
Tensorflow implementation of Generative Adversarial Networks (GAN) and Deep Convolutional Generative Adversarial Netwokrs for MNIST dataset.
GAN and VAE implementations to generate artificial EEG data to improve motor imagery classification. Data based on BCI Competition IV, datasets 2a. Final project for UCLA's EE C247: Neural Networks and Deep Learning course.
The open source AI engineering platform for agents, LLMs, and ML models. MLflow enables teams of all sizes to debug, evaluate, monitor, and optimize production-quality AI applications while controlling costs and managing access to models and data.
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
🧑🏫 60+ Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia, ...), gans(cyclegan, stylegan2, ...), 🎮 reinforcement learning (ppo, dqn), capsnet, distillation, ... 🧠
GFPGAN aims at developing Practical Algorithms for Real-world Face Restoration.