GitHubじゃ!Pythonじゃ!

GitHubからPython関係の優良リポジトリを探したかったのじゃー、でも英語は出来ないから日本語で読むのじゃー、英語社会世知辛いのじゃー

goodfeli

adversarial – 論文「Generative Adversarial Networks」のコードとハイパーパラメータ

投稿日:

論文「Generative Adversarial Networks」のコードとハイパーパラメータ

生成的な敵対的ネットワーク

このリポジトリには、この論文のコードとハイパーパラメータが含まれています:

“Generative Adversarial Networks” Jean Pouget-Abadie、Mehdi Mirza、Bing Xu、David Warde-Farley、Sherjil Ozair、Aaron Courville、Yoshua Bengio。 ArXiv 2014

公表された研究プロジェクトの一環として、このリポジトリのコードを使用する場合は、この論文を引用してください。

私たちはソフトウェア会社ではなく学術研究室であり、このリサーチコードの文書化と維持に専念する人員はいません。 したがって、このコードは絶対にサポートなしで提供されます。 紙の数字の正確な再現は、ソフトウェアの依存関係のすべてのバージョンや、基礎となるハードウェア(GPUモデルなど)の選択など、多くの要素の正確な再現によって異なります。 NVIDA Ge-Force GTX-580グラフィックスカードを使用しました。 他のハードウェアは、合計のために異なるツリー構造を使用し、異なる丸め誤差を生じる。 設定を正確に再現しない場合は、新しい設定に合わせて超過パラメータを微調整する必要があります。

さらに、私たちはTheanoまたはPylearn2にこのコードの単体テストを統合していないので、これらのライブラリを後で変更すると、このリポジトリのコードが破損する可能性があります。 このコードで問題が発生した場合は、Pylearn2とTheanoの開発ブランチを使用していることを確認し、「git checkout」を使用して2014年6月9日くらいからコミットしてください。

このコード自体では、インストール時に “adversarial”ディレクトリがPYTHONPATH内のディレクトリにあることを確認するだけでなく、インストールも必要ありません。 正しくインストールされていれば、 ‘python -c’ import adversarial ”が動作します。 Pylearn2とPylearn2の依存関係(Theano、numpyなど)もインストールする必要があります。

parzen_ll.pyは、Parzen密度法を使用してモデルの対数尤度を推定するために使用されるスクリプトです。

このリポジトリのさまざまなyamlファイルについてpylearn2 / scripts / train.pyを呼び出して、論文に報告された各データセットのモデルを訓練してください。 * .yamlの名前はかなり自明です。







-goodfeli

執筆者: