WGAN 代码测试
对 keras : tensorflow https://github.com/tdeboissiere/DeepLearningImplementations/tree/master/WassersteinGAN 代码进行了运行测试，及环境配置等
主机aws云，镜像采样之前文章介绍的镜像，已经安装好tensoflow及GPU配置等。
环境碰到需要安装：
conda install opencv
conda install -c yikelu parmap=1.2.0
conda install pydot keras
conda install natsort
如果跑celebA数据集需要64G内存
python make_dataset.py --img_size 64 /home/ubuntu/celeba/img_align_celeba 生成H5数据文件。
问题1：gpu比cpu慢，这个测试时间比较短，还需要深入确认。
训练脚本命令：celebA
python main.py --backend tensorflow --generator deconv --dset celebA --img_dim 64
mnist：
python main.py --backend tensorflow --generator deconv
生成效果：
训练过程：
更多的配置调整测试将继续进行。
本文参与?腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2017-02-09，如有侵权请联系?cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读