本文转载自机器之心，原文地址
TorchGAN 是基于 PyTorch 的 GAN 设计开发框架。该框架旨在为流行的 GAN 提供构造模块，且允许为前沿研究进行定制化。
使用 TorchGAN 的模块化结构可以：
- 在数据集上尝试流行的 GAN 模型；
- 对传统损失函数、架构等插入新的损失函数、新的架构等；
- 用多种 logging 后端无缝可视化 GAN 训练过程。
项目地址：https://github.com/torchgan/torchgan
TorchGAN 包由各种生成对抗网络和实用程序组成，这些网络和实用程序在训练时非常有用。该软件包提供了易于使用的 API，可用于训练流行的 GAN 以及开发 GAN 变体。作者写了一个教程文档，帮助你使用该软件包。
文档地址：https://torchgan.readthedocs.io/en/latest/
文档目录
TorchGAN 的文档包含入门、API 文档和教程三大部分。
入门部分会介绍 TorchGAN 的多种安装方法、必要的依赖包安装以及给该项目贡献的指南。
API 文档会介绍构建 GAN 网络的各种常用模块或层、损失函数、评估指标、经典模型（例如 InfoGAN、DCGAN 等）以及训练器，这些 API 可以帮助你快速从架构层面自定制模型。
教程部分会介绍具体的 GAN 项目构建过程，涉及了数据集构建、架构设计、超参数和优化器设置、损失函数定义、可视化、训练等机器学习项目实现的完整过程。作者使用 SAGAN 和 CycleGAN 作为典型案例的展示，还特地写了一个章节介绍如何自定制损失函数，这其实也是整个项目中最重要的环节之一，模型的训练是否收敛、收敛速度如何以及最终的收敛效果都受到损失函数定义的很大影响。
SAGAN 教程示例
