基于 PyTorch 的 BigGAN 模型
这个项目是对 BigGAN（边界平衡生成对抗网络）的 PyTorch 实现，BigGAN 是一种强大的图像生成模型。它基于 Andrew Brock、Jeff Donahue 和 Karen Simonyan 的研究成果，并由 Andy Brock 和 Alex Andonian 编写代码。
使用方法
环境准备
- PyTorch 1.0.1 或更高版本
- tqdm、numpy、scipy 和 h5py
- ImageNet 训练数据集
数据预处理
- （可选）将 ImageNet 训练数据集转换为 HDF5 格式，以加快 I/O 速度。
- 使用
sh scripts/utils/prepare_data.sh计算 FID（Fréchet Inception Distance）所需的 Inception 时刻。脚本默认将 ImageNet 训练数据集的位置设置为data文件夹，并将其转换为 128x128 像素分辨率的缓存 HDF5 格式。
训练模型
scripts 文件夹中包含多个 bash 脚本，用于训练不同批处理大小的 BigGAN 模型。由于代码假设您无法访问完整的 TPU 吊舱，因此它使用梯度累积（对多个小批次的平均梯度进行更新）来模拟大批处理训练。
总结
该项目提供了 BigGAN 模型的 PyTorch 实现，并包含用于数据预处理和模型训练的脚本。它为图像生成任务提供了一个强大的工具，并允许用户探索不同的训练配置。