Advertisement

PyTorch-GLOW: OpenAI GLOW的PyTorch版本

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
PyTorch-GLOW是基于OpenAI GLOW的实现,完全用PyTorch构建。它提供了一种快速、灵活的方法来执行高质量的语音合成和音频处理任务,适用于各种研究与开发场景。 辉光项目使用Pytorch实现了OpenAI生成模型。 此仓库提供了一种用于堆叠可逆转换的模块化方法。 运行代码: ``` python train.py ``` 例如: ``` CUDA_VISIBLE_DEVICES=0 python train.py --depth 10 --coupling affine --batch_size 64 --print_every 100 --permutation conv ``` 待办事项包括: - 多GPU支持。如果性能是您的主要问题,建议尝试Pytorch实现。 - 支持更多数据集 - 实现LU分解的可逆卷积。 该存储库不再维护。如果有需要可以提出问题,但响应可能较慢。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • PyTorch-GLOW: OpenAI GLOWPyTorch
    优质
    PyTorch-GLOW是基于OpenAI GLOW的实现,完全用PyTorch构建。它提供了一种快速、灵活的方法来执行高质量的语音合成和音频处理任务,适用于各种研究与开发场景。 辉光项目使用Pytorch实现了OpenAI生成模型。 此仓库提供了一种用于堆叠可逆转换的模块化方法。 运行代码: ``` python train.py ``` 例如: ``` CUDA_VISIBLE_DEVICES=0 python train.py --depth 10 --coupling affine --batch_size 64 --print_every 100 --permutation conv ``` 待办事项包括: - 多GPU支持。如果性能是您的主要问题,建议尝试Pytorch实现。 - 支持更多数据集 - 实现LU分解的可逆卷积。 该存储库不再维护。如果有需要可以提出问题,但响应可能较慢。
  • Glow-PyTorch:简洁、可扩展且易懂Glow实现方案
    优质
    Glow-PyTorch是一款简洁、易于理解和扩展的GLOW实现工具,基于PyTorch框架,旨在简化神经网络算子的开发与部署流程。 辉光(Glow)存储库使用CIFAR-10和SVHN数据集上的PyTorch来实现模型,并利用训练过的Glow模型重现论文中的部分结果。 要创建直方图,请参阅相关文档或代码注释。 预训练模型(在CIFAR-10上):请先解压缩文件。注意,此预训练模型是使用affine耦合层创建的,因此不适合用于生成采样(详见Glow论文中的定性模型与定量模型的区别)。该模型达到3.39 bpd,而原始研究中获得的是3.35 bpd。 我们的预训练模型和原论文之间的主要区别在于我们使用的批处理大小为64(单个GPU),而原文使用了512(8 GPU)的设置。此代码利用了一些图层和基础结构,并且更加模块化、可扩展,运行速度更快,易于阅读,支持CIFAR-10和SVHN数据集上的训练。 新版本的数据集依赖性更少,接口也更为一致。感谢所有参与评论与调试的人士的帮助。 设置并运行代码所需的依赖项非常小:需要Python 3.6及以上版本以及PyTorch库。
  • Final Glow插件
    优质
    Final Glow是一款专为视频制作爱好者设计的后期处理插件,它提供了丰富的调色和特效功能,帮助用户轻松实现电影级画质效果。 快来下载max插件和final glow插件吧!
  • LF GLOW AE插件
    优质
    LF GLOW AE插件是一款专为Adobe After Effects设计的强大特效工具,它提供了丰富的发光、光晕和色彩校正效果,帮助视频创作者轻松实现梦幻般的视觉效果。 ae lf glow插件仅供学习使用。
  • Glow 11 发光光晕插件
    优质
    Glow 11是一款先进的发光光晕效果插件,专为视频编辑和图像处理设计。它提供了丰富的自定义选项,帮助用户轻松添加梦幻般的光照效果,提升作品的艺术感与吸引力。 glow11是一款自发光插件。
  • DenseCap-PyTorch:简化PyTorch
    优质
    DenseCap-PyTorch提供了一个精简且易于使用的PyTorch框架,用于实现密集-captioning模型。此项目简化了原始代码,便于研究者快速上手和进行实验。 皮尔托奇的Densecap 简化pytorch版本可以发出或直接通过其他方式联系我。密集帽(DenseCap)是一种从图像中检测区域,并用简短句子描述每个区域的技术。 我们的模型代码直接继承了GeneralizedRCNN,旨在使其易于理解和使用。因此,区域检测器部分与原始论文有所不同。该实现应该可以在具有12GB内存的单个GTX 1080Ti GPU上进行训练。所需环境为Python 3.7和pytorch 1.4.0,另外还需要安装torchvision 0.5.0、h5py、tqdm以及DataLoader的预取版本以加快培训速度。 我们使用nlgeval来计算Meteor得分,但可以修改validate.py文件以采用其他方法(例如coco-)。
  • DALLE-pytorch:在Pytorch中实现OpenAIDALL-E文到图像转换器
    优质
    DALLE-pytorch 是一个基于 PyTorch 的开源项目,实现了 OpenAI 的 DALL-E 模型,能够将文本描述转化为逼真的图片。 在尝试复制DALL-E(OpenAI的文本到图像转换器)的过程中,我们不仅实现了它的功能,还添加了对生成内容进行排名的功能,并且正在开发其他新特性。如果您想了解有关如何在TPU上训练DALL-E的信息,请提供帮助。 成功地在一个只有2000张风景图片的小型数据集(包含2048个视觉标记)上训练了一个6层的简化版DALL-E! 安装方法: ``` $ pip install dalle-pytorch ``` 使用说明: 1. 训练VAE: ```python import torch from dalle_pytorch import DiscreteVAE vae = DiscreteVAE( image_size=256, ```
  • AnimeGANv2-PyTorch: AnimeGANv2PyTorch实现
    优质
    AnimeGANv2-PyTorch是基于PyTorch框架实现的AnimeGANv2代码库,用于将照片风格转换成日式漫画风格,提供模型训练和预处理工具。 PyTorch实现 从原始存储库转换权重(需要TensorFlow 1.x) ``` git clone https://github.com/TachibanaYoshino/AnimeGANv2 python convert_weights.py ``` 推理: ``` python test.py --input_dir [image_folder_path] --device [cpu/cuda] ``` 这是经过转换的模型的结果样式(从左到右:输入图像,原始TensorFlow结果,PyTorch结果)。 脸部模型是从带有L2 + VGG + GAN损失和CelebA-HQ图像中提取出来的。有关推断,请参见test_faces.ipynb文件。 注意:不包含训练代码,在RTX3090 + PyTorch1.7.1上进行了测试,由于转换后的权重结果略有不同。
  • GPT-2: OpenAI GPT-2PyTorch实现
    优质
    这是一个基于PyTorch框架实现的GPT-2模型项目,允许用户进行文本生成、语言建模等相关研究与开发工作。 该项目是OpenAI GPT-2模型的PyTorch实现,它支持模型训练、句子生成以及量度可视化功能,并且易于理解和优化。项目代码设计简洁易懂。 为了提高性能,我们使用了tqdm库来显示进度条和torchtext等工具进行数据处理。此外还需要安装matplotlib用于后续的数据分析与展示。 在开始训练GPT-2模型前,请准备好语料库数据集。建议自行构建语料库以满足特定需求或直接利用现有资源。对于训练模块而言,需要提供带有词汇表文件的标记化后的训练和评估数据集。 完成这些准备工作后,可以使用以下命令来启动GPT-2模型的训练过程: ``` python -m gpt2 train --train_corpus build/corpus.train.txt \ --eval_corpus build/corpus.test.txt ```
  • TransGAN-PyTorch: [WIP] PyTorchTransGAN实现
    优质
    TransGAN-PyTorch是一个正在开发中的项目,致力于提供一个基于PyTorch框架的TransGAN实现。此代码库旨在为研究者和开发者提供灵活且高效的生成对抗网络实验环境。 TransGAN-PyTorch 是 PyTorch 实现的 TransGAN 论文原始文件。安装方法是通过 pip 安装软件包: ``` pip install transgan-pytorch ``` 使用时,需要导入 torch 和 TransGAN 模块,并实例化一个 TransGAN 对象。代码示例如下: ```python import torch from transgan_pytorch import TransGAN tgan = TransGAN(...) z = torch.rand(100) # 随机噪声 pred = tgan(z) ```