10、基于PyTorch的图像生成技术：从cDCGAN到WGAN - GP

基于PyTorch的图像生成技术：从cDCGAN到WGAN - GP

1. cDCGAN在MNIST和石头剪刀布数据集上的应用

在图像生成领域，cDCGAN（条件深度卷积生成对抗网络）是一种强大的工具。我们先来看它在MNIST和石头剪刀布数据集上的应用。

1.1 MNIST数据集

在MNIST数据集上，使用一个1D长张量（包含100个数字）和名为 fixed_latent 的100 x 100张量，在模型训练期间生成假的MNIST图像，以便检查假图像的质量。通过使用常数lambda调度器（ v = lambda i: 1 ）和比率 k = 5 ，大约10分钟就能获得高质量的假MNIST图像。cDCGAN在时尚MNIST数据集上使用可变学习率，其损失曲线 D(X) 和 D(G(Z)) 几乎是直线。

1.2 石头剪刀布数据集

石头剪刀布数据集由Laurence Moroney创建，这是一个小型彩色图像数据集，包含三个类别：石头（标签1，握拳）、布（标签0，张开手掌）和剪刀（标签2，伸出拇指、食指和中指）。数据集分为测试、训练和验证三个文件夹，训练集中每个类别有840张分辨率为300 x 300的图像。

以下是使用cDCGAN处理石头剪刀布数据集的代码：

# Project 3.3.2 Using cDCGAN for Rock Paper Scissors Dataset--------P