谷歌“史上最强GAN”，现在有了PyTorch预训练版，可直接玩耍 | 代码
耶，今天又是鬼畜的一天。
魔栗 发自 凹非寺
量子位 报道 | 公众号 QbitAI
你知道么，和BigGAN一起玩耍，会上瘾的。
比如，生成了一只狗，再生成了一只汉堡。
那么，狗 × 汉堡 = ？
一看就是亲生的。
现在，身为PyTorch用户的你，也可以拥有一只BigGAN，而且不用自己训练，便能直接玩耍。
一向以造福人类为己任的抱抱脸 (Hugging Face) 团队，用PyTorch复现了这个“史上最强”GAN。
团队开源了预训练模型，只要pip install一下，你有什么大胆想法，就可以实施了。
推特用户纷纷表示欢迎：
还原度极高
开源项目里有三个模型，是不同分辨率的bigGAN：
128×128，256×256，512×512。
抱抱脸团队说，模型的参数都是BigGAN的爸爸DeepMind官方训练的成果。
团队说，他们是用官方的原始计算图 (Computation Graph) 来复现的，与原模型的表现几乎无差：输出差异 (Output Difference) 的方差在10^-5级。
官方模型是放在TensorFlow Hub上，抱抱脸还提供了把TF模型转成PyTorch模型时，用到的脚本。
更加温柔的是，最后会显示生成效果：
肉眼看去，成果喜人。
食用方法
如果只是想随意玩耍的话，pip install就够了。
如果要用前面提到的转换脚本，以及ImageNet实用程序的话，就要再安装一些依赖项。记得要用full_requirements.txt来装：
1 git clone https://github.com/huggingface/pytorch-pretrained-BigGAN.git 2 cd pytorch-pretrained-BigGAN 3 pip install -r full_requirements.txt
128×128模型，有5040多万参数；256×256模型，有5590多万参数；512×512模型，有5620多万参数。三个模型，大小都在200~Mb。
安装之后，正式开始食用：
1 import torch
2 from pytorch_pretrained_biggan import (BigGAN, one_hot_from_names, truncated_noise_sample,
3 save_as_images, display_in_terminal)
4
5 # OPTIONAL: if you want to have more information on what's happening, activate the logger as follows
6 import logging
7 logging.basicConfig(level=logging.INFO)
8
9 # Load pre-trained model tokenizer (vocabulary)
10 model = BigGAN.from_pretrained('biggan-deep-256')
11
12 # Prepare a input
13 truncation = 0.4
14 class_vector = one_hot_from_names(['soap bubble', 'coffee', 'mushroom'], batch_size=3)
15 noise_vector = truncated_noise_sample(truncation=truncation, batch_size=3)
16
17 # All in tensors
18 noise_vector = torch.from_numpy(noise_vector)
19 class_vector = torch.from_numpy(class_vector)
20
21 # If you have a GPU, put everything on cuda
22 noise_vector = noise_vector.to('cuda')
23 class_vector = class_vector.to('cuda')
24 model.to('cuda')
25
26 # Generate an image
27 with torch.no_grad():
28 output = model(noise_vector, class_vector, truncation)
29
30 # If you have a GPU put back on CPU
31 output = output.to('cpu')
32
33 # If you have a sixtel compatible terminal you can display the images in the terminal
34 # (see https://github.com/saitoha/libsixel for details)
35 display_in_terminal(output)
36
37 # Save results as png images
38 save_as_images(output)
到这里，图像就愉快地生成了。
那么，你有大胆的想法了么？
举个栗子，“红酒烩鸡”：
代码传送门：
https://github.com/huggingface/pytorch-pretrained-BigGAN
— 完 —
- 马云正式卸任后，阿里巴巴开盘跌0.87%2019-09-10
- AI独角兽云知声，已完成一期科创板IPO辅导2019-10-17
- 亚马逊在华拓展云计算团队，挑战阿里巴巴和腾讯2019-10-16
- IDC：今年上半年中国公有云服务市场规模达54.2亿美元2019-11-07
相关阅读
