Tu-primera-GAN

Tu primera GAN 🔥

🧠 Modelo

La arquitectura del generador y discriminador, son redes densas (aún no usamos capas convolucionales). El dataset usado son los dígitos MNIST. Tenga cuidado al escoger sus hiperparámetros para el momento del entrenamiento, debido a que esta GAN es muy sensible.

A continuación se muestra la arquitectura del generador:

class Generator(nn.Module):
    def __init__(self, z_dim, img_dim):
        super().__init__()
        self.gen = nn.Sequential(
            nn.Linear(z_dim, 256),
            nn.LeakyReLU(0.1),
            nn.Linear(256, img_dim),
            nn.Tanh(),
        )

    def forward(self, x):
        return self.gen(x)

También se muestra la arquitectura del discriminador:

class Discriminator(nn.Module):
    def __init__(self, img_dim):
        super().__init__()
        self.disc = nn.Sequential(
            nn.Linear(img_dim, 128),
            nn.LeakyReLU(0.1),
            nn.Linear(128, 1),
            nn.Sigmoid(),
        )

    def forward(self, x):
        return self.disc(x)

Puede hacer las mejoras que desea.

▶ Demo

Para poder entrenar el modelo, ejecute el siguiente comando:

python gan.py

Para visualizar cómo se van generando los números, ejecute Tensorboard:

tensorboard --logdir "./"

En su navegador se mostrará algo como: