【源码】基于MindSpore框架的WGAN图像生成器

项目简介

本项目基于MindSpore框架实现了WGAN（Wasserstein GAN），主要用于图像生成任务。WGAN改进了原始GAN的算法流程，解决了GAN训练不稳定的问题，保证了生成样本的多样性，同时训练过程中可用数值（-loss_D）指示训练进程，该数值越小，生成器产生的图像质量越高。

项目的主要特性和功能

1. 模型架构：包含生成器网络和判别器网络，生成器网络有卷积DCGAN生成器结构或无BatchNorm的卷积DCGAN生成器结构两种选择。
2. 数据集：采用LSUN - Bedrooms数据集，大小为42.8G，包含3033044张图像。
3. 训练与评估：支持单机训练和推理，提供详细的训练和评估脚本。
4. 模型导出：可将训练好的模型导出为MindIR、ONNX或MINDIR格式。
5. 性能监控：训练时通过损失值（-loss_D）监控训练进程。

安装使用步骤

1. 环境准备

• 安装MindSpore框架：MindSpore安装指南
• 准备Ascend硬件环境。

2. 数据准备

• 下载LSUN - Bedrooms数据集：LSUN - Bedrooms
• 使用LSUN官网提供的脚本将lmdb格式转换为图片格式，并把Bedrooms类图片存于同一文件夹。

3. 训练模型

• 运行单机训练脚本： bash bash run_train.sh [DATASET] [DATAROOT] [DEVICE_ID] [NOBN]
• 选标准卷积DCGAN生成器结构： bash bash run_train.sh [DATASET] [DATAROOT] [DEVICE_ID] False
• 选无BatchNorm的卷积DCGAN生成器结构： bash bash run_train.sh [DATASET] [DATAROOT] [DEVICE_ID] True

4. 模型评估

• 运行评估脚本： bash bash run_eval.sh [DEVICE_ID] [CONFIG_PATH] [CKPT_FILE_PATH] [OUTPUT_DIR] [NIMAGES]

5. 模型导出

• 导出模型为MindIR格式： bash python export.py --ckpt_file [CKPT_PATH] --file_name [FILE_NAME] --file_format [FILE_FORMAT]
• file_format 可选值：["AIR", "ONNX", "MINDIR"]

注意事项

• 保证数据集路径和格式正确。
• 训练可能耗时较长，请耐心等待。
• 按需使用评估和导出功能。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】