本文轉載自機器之心，原文地址

TorchGAN 是基於 PyTorch 的 GAN 設計開發框架。該框架旨在為流行的 GAN 提供構造模塊，且允許為前沿研究進行定製化。

使用 TorchGAN 的模塊化結構可以：

  • 在數據集上嘗試流行的 GAN 模型；
  • 對傳統損失函數、架構等插入新的損失函數、新的架構等；
  • 用多種 logging 後端無縫可視化 GAN 訓練過程。

項目地址：https://github.com/torchgan/torchgan

TorchGAN 包由各種生成對抗網路和實用程序組成，這些網路和實用程序在訓練時非常有用。該軟體包提供了易於使用的 API，可用於訓練流行的 GAN 以及開發 GAN 變體。作者寫了一個教程文檔，幫助你使用該軟體包。

文檔地址：https://torchgan.readthedocs.io/en/latest/

文檔目錄

TorchGAN 的文檔包含入門、API 文檔和教程三大部分。

入門部分會介紹 TorchGAN 的多種安裝方法、必要的依賴包安裝以及給該項目貢獻的指南。

API 文檔會介紹構建 GAN 網路的各種常用模塊或層、損失函數、評估指標、經典模型（例如 InfoGAN、DCGAN 等）以及訓練器，這些 API 可以幫助你快速從架構層面自定製模型。

教程部分會介紹具體的 GAN 項目構建過程，涉及了數據集構建、架構設計、超參數和優化器設置、損失函數定義、可視化、訓練等機器學習項目實現的完整過程。作者使用 SAGAN 和 CycleGAN 作為典型案例的展示，還特地寫了一個章節介紹如何自定製損失函數，這其實也是整個項目中最重要的環節之一，模型的訓練是否收斂、收斂速度如何以及最終的收斂效果都受到損失函數定義的很大影響。

SAGAN 教程示例