GenerativeAdversarial网络训练的超参数-EMNIST数据集上的条件GAN
信息技术学士学位项目斯科夫大学IT613G 亚历山大·古斯塔夫森(Alexander Gustafsson),乔纳丹·林伯格(Jonatan Linberg)
代码源
该项目围绕EMNIST数据集构建,可从以下网站获得:
最初的cGAN和FID代码(train_cgan.py)由Jason Brownlee开发,可从以下网站获得:
)
)
训练cGAN
可以通过运行train_cgan代码“ python train_cgan.py <save>”来完成训练cGAN的工作。 提示时,用户可以输入运行时参数,也可以从文件“ python train_cgan.py <save> <RTP>”中加载它们。
实验数据
-待日后添加-
工具
潜在空间浏览器和记录器(L
评论0
最新资源