swae:切片Wasserstein自动编码器的实现

片式华森斯坦 该存储库包含使用Keras和Tensorflow的论文的实现： 。 所提出的方法减轻了训练生成模型中对抗网络的需求，并且在具有非常简单的实现的同时提供了稳定的优化。 友善地提供了SWAE算法的PyTorch实现。 SWAE_MNIST_uniform.ipynb 该笔记本在MNIST数据集上训练SWAE，并且在嵌入空间中具有均匀的分布。 下图显示了MNIST数据集的嵌入数据和嵌入空间： SWAE_MNIST_Circle.ipynb 同样，此笔记本使用嵌入空间中的磁盘分布在MNIST数据集上训练SWAE。 下图显示了MNIST数据集的嵌入数据和嵌入空间： SWAE_MNIST_Ring.ipynb 类似地，该笔记本在嵌入空间中具有环形分布的MNIST数据集上训练SWAE。 下图显示了MNIST数据集的嵌入数据和嵌入空间： 预训练模型 预先训练的SWAE模块也已上传：