使用 CNTK Python API 实现 BEGAN（边界平衡 GAN）答案

【问题标题】：Implementation of BEGAN (Boundary Equilibrium GAN) Using CNTK Python API使用 CNTK Python API 实现 BEGAN（边界平衡 GAN）
【发布时间】：2017-05-04 10:12:25
【问题描述】：

我找到了一个使用 CNTK 的 BEGAN 实现。 (https://github.com/2wins/BEGAN-cntk)

这使用了 MNIST 数据集，而不是原始论文中使用的 Celeb A。但是，我不理解结果图像，它看起来很确定： Output images of the trained generator (iter: 30000)

对于不同的噪声样本，我预计会有不同的输出。但无论任何超参数如何，它都不会这样做。代码的哪一部分确实有问题？

请解释一下。

【问题讨论】：

BEGAN-cntk 一年后运行良好。 CNTK 可能有问题。

标签： python deep-learning cntk

【解决方案1】：

使用更高的 gamma（例如 gamma=1 或 1.3，实际上大于 1）。然后它肯定会改善，但不会使其完美。进行足够的迭代，例如 200k。

请仔细看论文。它说参数 gamma 控制着多样性。

我得到的结果之一是。

我也在寻找最好的参数和最好的结果，但还没有。

【讨论】：

以上图片是在CNTK上获取的吗？很遗憾，您的建议不会影响结果。
@David No. 我使用的是 Heumi (github) 的 BEGAN。

【解决方案2】：

看起来您的模型可能会陷入特定模式。一个想法是在类标签上添加一个附加条件。已经提出条件 GAN 来克服这些限制。

http://www.foldl.me/uploads/2015/conditional-gans-face-generation/paper.pdf

这是一个值得探索的想法。

【讨论】：

不明白实现中使用的软件变了，结果也变了。 CelebA 的原始网络模型也不适用于论文中介绍的数据集。