之前推荐过一个基于 TensorFlow 的 GAN 框架–谷歌开源的 GAN 库–TFGAN。

而最近也有一个新的 GAN 框架工具，并且是基于 Pytorch 实现的，项目地址如下：

https://github.com/torchgan/torchgan

对于习惯使用 Pytorch 框架的同学，现在可以采用这个开源项目快速搭建一个 GAN 网络模型了！

目前该开源项目有 400+ 星，它给出了安装的教程、API 文档以及使用教程，文档的地址如下：

https://torchgan.readthedocs.io/en/latest/

安装

对于 TorchGAN 的安装，官网给出 3 种方法，但实际上目前仅支持两种安装方式，分别是pip方式安装以及源码安装，采用conda安装的方法目前还不支持。

Pip 安装方法

安装最新的发布版本的命令如下：

$ pip3 install torchgan

而如果是最新版本：

$ pip3 install git+https://github.com/torchgan/torchgan.git

Conda 安装

这是目前版本还不支持的安装方式，将会在v0.1版本实现这种安装方法。

源码方式安装

按照下列命令的顺序执行来进行从源码安装

$ git clone https://github.com/torchgan/torchgan
$ cd torchgan
$ python setup.py install

依赖库

必须按照的依赖库：

• Numpy
• Pytorch 0.4.1
• Torchvision

可选

• TensorboardX：主要是为了采用Tensorboard来观察和记录实验结果。安装通过命令pip install tensorboardX
• Visdom：为了采用Xisdom进行记录。安装通过命令pip install visdom

API 文档

API 的文档目录如下：

从目录主要分为以下几个大类：

• torchgan.layers：包含当前常用的用于构建 GAN 结构的一些网络层，包括残差块，Self-Attention，谱归一化(Spectral Normalization)等等
• torchgan.logging：提供了很强的可视化工具接口，包括对损失函数、梯度、测量标准以及生成图片的可视化等
• torchgan.losses：常见的训练 GANs 模型的损失函数，包括原始的对抗损失、最小二乘损失、WGAN的损失函数等；
• torchgan.metrics：主要是提供了不同的评判测量标准
• torchgan.models：包含常见的 GAN 网络结构，可以直接使用并且也可以进行拓展，包括 DCGAN、cGAN等
• torchgan.trainer：主要是提供训练模型的函数接口

教程

教程部分如下所示：

教程给出了几个例子，包括 DCGAN、Self-Attention GAN、CycleGAN 例子，以及如何自定义损伤的方法。

对于 Self-Attention GAN，还提供了一个在谷歌的 Colab 运行的例子，查看链接：

https://torchgan.readthedocs.io/en/latest/tutorials/sagan.html

---

小结

最后，再给出 Github 项目的链接和文档的对应链接地址：

https://github.com/torchgan/torchgan

https://torchgan.readthedocs.io/en/latest/index.html

欢迎关注我的微信公众号–机器学习与计算机视觉，或者扫描下方的二维码，大家一起交流，学习和进步！

之前分享的资源和教程文章有：

• 推荐几本数据结构算法书籍和课程
• [资源分享] Github上八千Star的深度学习500问教程
• [资源分享] 吴恩达最新《机器学习训练秘籍》中文版可以免费下载了！
• [资源分享] TensorFlow 官方中文版教程来了
• 必读的AI和深度学习博客
• [教程]一份简单易懂的 TensorFlow 教程
• 谷歌开源的 GAN 库–TFGAN