https://github.com/koldim2001/generator_vae

Вариационный автоэнкодер для генерации цифр и предметов одежды
https://github.com/koldim2001/generator_vae

generator mnist-generation vae-cnn vae-pytorch

Last synced: 1 day ago
JSON representation

Вариационный автоэнкодер для генерации цифр и предметов одежды

• Host: GitHub
• URL: https://github.com/koldim2001/generator_vae
• Owner: Koldim2001
• Created: 2023-03-19T19:09:49.000Z (almost 2 years ago)
• Default Branch: main
• Last Pushed: 2023-04-30T16:07:13.000Z (over 1 year ago)
• Last Synced: 2024-11-10T04:31:00.873Z (about 2 months ago)
• Topics: generator, mnist-generation, vae-cnn, vae-pytorch
• Language: Jupyter Notebook
• Homepage:
• Size: 22.4 MB
• Stars: 5
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Вариационный автоэнкодер для генерации цифр и предметов одежды

__Создадим 2 различнные модели VAE и оценим качество генерации изображений объектов. Построим картинку с плавными переходами цифр и предметов одежды благодаря семплированию из латентного пространства.__

Модели:

1.   Вариационный автоэнкодер с использованием сверток ([Conv2d](https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html#torch.nn.Conv2d)) в энкодере (слои отвечающие за среднее и отклонение остаются полносвязными), и с развертками ([Conv2dTranspose](https://pytorch.org/docs/stable/generated/torch.nn.ConvTranspose2d.html#torch.nn.ConvTranspose2d)) в декодере. Размерность скрытого вектора равна двум 

2.  Вариационный автоэнкодер с использованием сверток (Conv2d) в энкодере (слои отвечающие за среднее и отклонение остаются полносвязными), и с развертками ([Upsample](https://pytorch.org/docs/stable/generated/torch.nn.Upsample.html#torch.nn.Upsample), [Conv2d](https://pytorch.org/docs/stable/generated/torch.nn.Conv2d.html#torch.nn.Conv2d)) в декодере. Размерность скрытого вектора равна двум. 

Для построения изображения постепенного перехода цифр и предметов одежды создадим сетку из N на N изображений, где по оси Х изменяется значение первого элемента **z** из получившегося латентного пространства, а по оси Y - второго элемента **z**. Построю такие сетки для каждой обученной модели

 Результат при обучении на датасете MNIST:

    

 Результат при обучении на датасете Fashion MNIST:

    

---

 

 > Решение данного проекта представлено в формате jupiter notebook: 

 > 1) Датасет MNIST - [digits.ipynb](https://nbviewer.org/github/Koldim2001/Generator_VAE/blob/main/digits.ipynb)

 > 2) Датасет Fashion MNIST - [fashion.ipynb](https://nbviewer.org/github/Koldim2001/Digit_generator_VAE/blob/main/fashion.ipynb)