访问官网
Github
论文PyTorch-VAE项目介绍
PyTorch-VAE是一个专注于可重现性的变分自编码器(VAE)模型集合项目。该项目的主要目标是为众多优秀的VAE模型提供快速、简单的工作示例。
项目特点
- 使用PyTorch实现多种VAE模型
- 所有模型均在CelebA数据集上进行训练,便于一致性比较
- 尽可能保持所有模型架构的相似性,除非原始论文要求显著不同的结构
- 提供各个模型的训练结果展示
环境要求
该项目要求Python 3.5及以上版本,PyTorch 1.3及以上版本,以及支持CUDA的计算设备。此外,还需要安装Pytorch Lightning库。
使用方法
- 克隆项目仓库
- 安装所需依赖
- 通过运行run.py并指定配置文件来训练模型
项目提供了配置文件模板,用户可以根据需要修改模型参数、数据参数、实验参数等。
支持的模型
项目实现了多种VAE变体,包括但不限于:
- 普通VAE
- 条件VAE
- Beta-VAE
- WAE-MMD
- IWAE
- DFCVAE
- MSSIM VAE
- Categorical VAE
- Joint VAE
- VQ-VAE
等等。每个模型都提供了实现代码和配置文件。
结果展示
项目展示了各个模型在CelebA数据集上的重构结果和生成样本。用户可以直观地比较不同模型的性能。
贡献
项目欢迎贡献更好的训练结果或新的模型实现。贡献者的工作将得到适当引用。
许可证
该项目采用Apache License 2.0许可证。
总的来说,PyTorch-VAE项目为研究人员和开发者提供了一个便捷的VAE模型实现和比较平台,有助于推动VAE相关研究的发展。
