11、基于标签信息生成图像及InfoGAN模型介绍

基于标签信息生成图像及InfoGAN模型介绍

1. 基于MNIST数据集的图像生成

在图像生成任务中，我们可以基于标签信息来生成图像。以下是一些关键参数设置：
| 参数 | 类型 | 值 |
| ---- | ---- | ---- |
| classes | int | 10 |
| img_size | int | 64 |
| channels | int | 1 |
| log_interval | int | 100 |
| seed | int | 1 |

在GTX 1080Ti显卡上训练200个epoch大约需要22分钟，占用约729 MB的GPU内存。从MNIST数据集生成的图像随着训练的进行质量逐渐提升。在训练初期，生成的图像在垂直和水平方向上难以达到平滑效果，训练25个epoch后生成的图像容易出现斑点噪声，但经过200个epoch后，图像质量有了显著改善。

2. 使用Fashion - MNIST数据集

MNIST数据集由大量手写数字组成，是机器学习社区的事实标准，常被用于验证流程。而Fashion - MNIST数据集则是一个更好的替代选择，它由60,000张图像和标签的训练集以及10,000张图像和标签的测试集组成。所有图像均为灰度图，尺寸为28x28像素，包含10个图像类别，分别是：T恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和踝靴。

使用该数据集的操作步骤如下：
1. 复制 main.py 文件为 fashion-main.py ，以保留原始文件。 <