谷歌“史上最强GAN”，现在有了PyTorch预训练版，可直接玩耍 | 代码

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/huggingfac...
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/li... 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/huggingfac...

— 完 —