之前推薦過一個基於 TensorFlow 的 GAN 框架--谷歌開源的 GAN 庫--TFGAN。
而最近也有一個新的 GAN 框架工具，並且是基於 Pytorch 實現的，專案地址如下：
對於習慣使用 Pytorch 框架的同學，現在可以採用這個開源專案快速搭建一個 GAN 網路模型了！
目前該開源專案有 400+ 星，它給出了安裝的教程、API 文件以及使用教程，文件的地址如下：
torchgan.readthedocs.io/en/latest/
安裝
對於 TorchGAN 的安裝，官網給出 3 種方法，但實際上目前僅支援兩種安裝方式，分別是pip方式安裝以及原始碼安裝，採用conda安裝的方法目前還不支援。
Pip 安裝方法
安裝最新的釋出版本的命令如下：
$ pip3 install torchgan
複製程式碼而如果是最新版本：
$ pip3 install git+https://github.com/torchgan/torchgan.git
複製程式碼Conda 安裝
這是目前版本還不支援的安裝方式，將會在v0.1版本實現這種安裝方法。
原始碼方式安裝
按照下列命令的順序執行來進行從原始碼安裝
$ git clone https://github.com/torchgan/torchgan
$ cd torchgan
$ python setup.py install
複製程式碼依賴庫
必須按照的依賴庫：
- Numpy
- Pytorch 0.4.1
- Torchvision
可選
- TensorboardX：主要是為了採用
Tensorboard來觀察和記錄實驗結果。安裝通過命令pip install tensorboardX - Visdom：為了採用
Xisdom進行記錄。安裝通過命令pip install visdom
API 文件
API 的文件目錄如下：
從目錄主要分為以下幾個大類：
- torchgan.layers：包含當前常用的用於構建 GAN 結構的一些網路層，包括殘差塊，Self-Attention，譜歸一化(Spectral Normalization)等等
- torchgan.logging：提供了很強的視覺化工具介面，包括對損失函式、梯度、測量標準以及生成圖片的視覺化等
- torchgan.losses：常見的訓練 GANs 模型的損失函式，包括原始的對抗損失、最小二乘損失、WGAN的損失函式等；
- torchgan.metrics：主要是提供了不同的評判測量標準
- torchgan.models：包含常見的 GAN 網路結構，可以直接使用並且也可以進行擴充，包括 DCGAN、cGAN等
- torchgan.trainer：主要是提供訓練模型的函式介面
教程
教程部分如下所示：
教程給出了幾個例子，包括 DCGAN、Self-Attention GAN、CycleGAN 例子，以及如何自定義損傷的方法。
對於 Self-Attention GAN，還提供了一個在谷歌的 Colab 執行的例子，檢視連結：
torchgan.readthedocs.io/en/latest/t…
小結
最後，再給出 Github 專案的連結和文件的對應連結地址：
torchgan.readthedocs.io/en/latest/i…
歡迎關注我的微信公眾號--機器學習與計算機視覺，或者掃描下方的二維碼，大家一起交流，學習和進步！
之前分享的資源和教程文章有：