探究CVAE(条件自编码) Condition GAN (条件GAN) 和 VAE-GAN模型之间的区别之程序入口函数

最新推荐文章于 2025-05-06 18:05:19 发布

原创最新推荐文章于 2025-05-06 18:05:19 发布 · 1k 阅读

1 ·

CC 4.0 BY-SA版权

版权归世界上所有无产阶级所有

文章标签：

#深度学习

博客给出三个程序的入口地址为main函数，还提供了程序运行的命令，即CUDA_VISIBLE_DEVICES=0 python main --gan_type F_GAN，涉及深度学习相关内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

三个程序的入口地址： main函数()

程序运行的命令是： CUDA_VISIBLE_DEVICES=0 python main --gan_type F_GAN

import os
from CGAN import CGAN
from CVAE import CVAE
from F_GAN import F_GAN

from utils import check_folder

import tensorflow as tf
import argparse

"""parsing and configuration"""
def parse_args():
    desc = "Tensorflow implementation of GAN collections"
    parser = argparse.ArgumentParser(description=desc)

    parser.add_argument('--gan_type', type=str, default='F_GAN',
                        choices=['CGAN',  'CVAE', 'F_GAN'],
                        help='The type of GAN', required=True)
    parser.add_argument('--dataset', type=str, default='fashion-mnist', choices=['mnist', 'fashion-mnist', 'celebA'],
                        help='The name of dataset')
    parser.add_argument('--epoch', type=int, default=500, help='The number of epochs to run')
    parser.add_argument('--batch_size', type=int, default=64, help='The size of batch')
    parser.add_argument('--z_dim', type=int, default=100, help='Dimension of noise vector')
    parser.add_argument('--result_dir', type=str, default='results',
                        help='Directory name to save the generated images')

    return check_args(parser.parse_args())


def check_args(args):
    # if not exited   then  create  the result file
    check_folder(args.result_dir)
    return args

"""main"""
def main():
    # parse arguments
    args = parse_args()
    if args is None:
      exit()

    models = ['CGAN', 'CVAE', 'F_GAN']
    with tf.Session(config=tf.ConfigProto(allow_soft_placement=True)) as sess:
        if args.gan_type in models:
            gan = model(sess,
                        epoch=args.epoch,
                        batch_size=args.batch_size,
                        z_dim=args.z_dim,
                        dataset_name=args.dataset,
                        result_dir=args.result_dir,)
            gan.build_model()
            gan.train()


if __name__ == '__main__':
    main()