GAN Sandbox
1.0.0
تم تطبيق GAN القياسي على قمة keras/tensorflow مما يتيح إجراء التجارب والبحث السريع. تتوافق الفروع مع التطبيقات المستقرة لبنيات GAN (مثل ACGan، وInfoGAN، وwGAN المحسنة) وغيرها من الأشكال الواعدة لشبكات GAN (مثل اختراق GAN، وفقدان الخصومة المحلية، وما إلى ذلك...).
يعد الفرع master بمثابة نقطة انطلاق بسيطة ونظيفة وقوية لـ GAN R&D. يتم تشجيع المساهمات في شكل فروع جديدة و/أو تحسينات master . من الناحية المثالية، ستتبع الفروع أسلوب البرمجة master's وتنحرف عنه بأقل قدر ممكن (واقعيًا).
master : GAN القياسي.
ac-gan : المصنف المساعد GAN كما هو موضح في: تركيب الصور الشرطية مع شبكات GAN للمصنف المساعد.
info-gan : تعظيم المعلومات GAN كما هو موضح في: InfoGAN: التعلم التمثيلي القابل للتفسير من خلال المعلومات لتعظيم شبكات الخصومة التوليدية.
cGAN : كما هو موضح في: الترجمة من صورة إلى صورة باستخدام شبكات الخصومة المشروطة.
wGAN : كما هو موضح في: Wasserstein GAN مع التحسينات كما هو موضح في: التدريب المحسن لشبكات Wasserstein GAN.
SimGAN هنا: https://github.com/wayaai/SimGAN.
ملاحظة: ACGAN هو شكل أكثر محدودية من InfoGAN . يمكن InfoGAN أن تأخذ عددًا عشوائيًا من المتغيرات الكامنة الفئوية والمستمرة كمدخلات للمولد. ACGAN عبارة عن InfoGAN في الحالة التي يأخذ فيها المولد متغيرًا كامنًا فئويًا واحدًا كمدخل يتوافق مع تسمية الصورة التي سيتم إنشاؤها.
يجب استخدام الدالة الهدف wGAN لجميع أشكال شبكات GAN بدلاً من تباعد Jenson-Shannon.
تم اشتقاق هذا الريبو وفروعه من قاعدة التعليمات البرمجية الخاصة بـ Waya.ai وتم إصداره بشكل أنظف وأكثر معيارية. لم أختبر كل فرع بشكل كامل بعد، على الرغم من أنه قد تكون هناك بعض المشكلات، وقد تحتاج شبكات GAN إلى الضبط قليلاً لتتقارب بشكل صحيح.
Waya.ai هي شركة تتمثل رؤيتها في عالم تتم فيه معالجة الحالات الطبية في وقت مبكر، في مهدها. وهذا النهج من شأنه أن يحول صناعة الرعاية الصحية من مكافحة الأعراض بشكل مستمر إلى نهج وقائي حيث تتم معالجة الأسباب الجذرية وإصلاحها. خطوتنا الأولى لتحقيق هذه الرؤية هي التشخيص السهل والدقيق والمتاح. ينصب تركيزنا الحالي على تشخيص الارتجاج وتتبع التعافي ومراقبة صحة الدماغ. يرجى الاتصال بي إذا كان هذا صدى معك!
