Adversarial Variational Bayes: Unifying VAE and GAN 代码

2017 年 10 月 4 日 CreateAMind

Adversarial Variational Bayes

This repository contains the code to reproduce the core results from the paper Adversarial Variational Bayes: Unifying Variational Autoencoders and Generative Adversarial Networks.

To cite this work, please use

@INPROCEEDINGS{Mescheder2017ICML,
  author = {Lars Mescheder and Sebastian Nowozin and Andreas Geiger},
  title = {Adversarial Variational Bayes: Unifying Variational Autoencoders and Generative Adversarial Networks},
  booktitle = {International Conference on Machine Learning (ICML)},
  year = {2017}
}

Dependencies

This project uses Python 3.5.2. Before running the code, you have to install

  • Tensorflow 1.0

  • Numpy

  • Scipy

  • Matplotlib

  • tqdm

  • ite-toolbox

The former 5 dependencies can be installed using pip by running

pip install tensorflow-gpu numpy scipy matplotlib tqdm

Usage

Scripts to start the experiments can be found in the experiments folder. If you have questions, please open an issue or write an email to lmescheder@tuebingen.mpg.de.

MNIST

To run the experiments for mnist, you first need to create tfrecords files for MNIST:

cd tools
python download_mnist.py

Example scripts to run the scripts can be found in the experiments folder.

Samples:



CelebA

To run the experiments on celebA, first download the dataset from here and put all the images in the datasets/celebA folder.

Samples:



Interpolations:

https://github.com/LMescheder/AdversarialVariationalBayes

登录查看更多
7

相关内容

专知会员服务
109+阅读 · 2020年3月12日
49篇ICLR2020高分「图机器学习GML」接受论文及代码
专知会员服务
60+阅读 · 2020年1月18日
机器学习入门的经验与建议
专知会员服务
91+阅读 · 2019年10月10日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
199+阅读 · 2019年9月30日
Github 项目推荐 | PyTorch 实现的 GAN 文本生成框架
AI研习社
35+阅读 · 2019年6月10日
Github项目推荐 | PyTorch文本分类教程
AI研习社
7+阅读 · 2019年6月7日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
用PyTorch实现各种GANs(附论文和代码地址)
Github 项目推荐 | 用 Pytorch 实现的 Capsule Network
AI研习社
22+阅读 · 2018年3月7日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
GAN猫的脸
机械鸡
11+阅读 · 2017年7月8日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
q-Space Novelty Detection with Variational Autoencoders
Arxiv
4+阅读 · 2018年5月21日
Arxiv
5+阅读 · 2018年5月1日
Arxiv
10+阅读 · 2018年3月23日
Arxiv
5+阅读 · 2018年1月30日
VIP会员
相关VIP内容
专知会员服务
109+阅读 · 2020年3月12日
49篇ICLR2020高分「图机器学习GML」接受论文及代码
专知会员服务
60+阅读 · 2020年1月18日
机器学习入门的经验与建议
专知会员服务
91+阅读 · 2019年10月10日
GAN新书《生成式深度学习》,Generative Deep Learning,379页pdf
专知会员服务
199+阅读 · 2019年9月30日
相关资讯
Github 项目推荐 | PyTorch 实现的 GAN 文本生成框架
AI研习社
35+阅读 · 2019年6月10日
Github项目推荐 | PyTorch文本分类教程
AI研习社
7+阅读 · 2019年6月7日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
用PyTorch实现各种GANs(附论文和代码地址)
Github 项目推荐 | 用 Pytorch 实现的 Capsule Network
AI研习社
22+阅读 · 2018年3月7日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
GAN猫的脸
机械鸡
11+阅读 · 2017年7月8日
Top
微信扫码咨询专知VIP会员