BigGAN 一经提出即引起了许多重视，被称为「史上最强 GAN 图画生成器」。今天，DeepMind 放出了 BigGAN 的拿来即用 TF Hub demo，能够在 Colab 上运转图画生成和图画插值使命。
TF Hub demo 地址：https://tfhub.dev/s?q=biggan
Colab 地址：https://colab.research.google.com/github/tensorflow/hub/blob/master/examples/colab/biggan_generation_with_tf_hub.ipynb#scrollTo=Cd1dhL4Ykbm7
ICLR 2019 大会将在下一年 5 月 6 日于美国举办，9 月 27 日论文提交截止后许多论文引起了咱们的重视，其间就有一篇 GAN 生成图画的论文。该研讨生成图画的方针和布景都高度传神、鸿沟天然，而且图画插值每一帧都适当实在，几乎称得上「发明物种的 GAN」。该论文还引起了 Oriol Vinyals、Ian Goodfellow 的重视。上星期，ICLR 2019 的论文评定成果出炉，评定们已经在论文的 openreview 页面发布了他们的谈论和分数。这篇 BigGAN 论文取得了 8、7、10 的评分，三位评定人员对该论文给出了很高的点评，拜见：https://openreview.net/forum?id=B1xsqj09Fm。
BigGAN 简介
该论文出自 DeepMind，提出了一种新式 GAN 模型 BigGAN，该模型因其超卓功能被称为「史上最强 GAN 图画生成器」。该研讨的立异点是将正交正则化的思维引进 GAN，经过对输入先验散布 z 的当令切断大大提高了 GAN 的生成功能，在 ImageNet 数据集下 Inception Score 居然比当时最好 GAN 模型 SAGAN 提高了 100 多分(挨近 2 倍)!
该研讨展现了 GAN 能够从练习规划中明显获益，而且能在参数数量很大和八倍批大小于之前最佳成果的条件下，依然能以 2 倍到 4 倍的速度进行练习。作者引进了两种简略的生成架构改变，提高了可扩展性，并修正了正则化计划以提高条件化(conditioning)，这可证明地提高了功能。作为修正办法的副作用(side effect)，该模型变得遵守「切断技巧」，这是一种简略的采样技能，答应对样本多样性和保真度进行精密操控。此外，该研讨发现大规划 GAN 带来的不稳定性，并对其进行经历的描绘。从这种剖析中取得的洞悉标明，将一种新式的和已有的技能结合能够削减这种不稳定性，但要完成彻底的练习稳定性有必要以明显下降功能为价值。
由 BigGAN 生成的类条件样本。
(a)添加切断的效应。从左到右，阈值=2, 1.5, 1, 0.5, 0.04。(b)运用切断和功能差的条件生成模型的饱和度伪影。
由 BigGAN 在 512×512 分辨率下生成的其它样本。
BigGAN 生成网络结构。
现在 DeepMind 总算放出了 BigGAN 的 TF Hub demo，让咱们来一探终究。
教你怎样用 Colab Demo
这个 Colab Demo 的运用十分简略，直接用 Chrome 浏览器翻开 Colab 地址，登陆你的谷歌账号，就能够开端耍了。
刚翻开 Colab 时，咱们能够看到代码总体上分红四大块，别离是 BigGAN Demo、Setup、Explore BigGAN samples of a particular category、Interpolate between BigGAN samples。前面两块给出了大致的运用说明，以及详细完成(从 TF Hub 加载预练习模型、界说函数、创立会话和初始化变量等)，之后两块才是要点，供给了特定类别的图画样本生成，以及指定两个类别的图画插值两个使命演示。只需求点击几个按钮，咱们就能轻松发动运转和修正参数，彻底不需求修正代码。
这个 Colab 的环境装备如下，翻开「修正」-「笔记本设置」就能够看到。该 Colab 在 Python 2 环境和 GPU 上运转，这个不必修正，也不能修正，会报错。
那么要怎样开端呢?很简略，直接翻开「代码履行程序」-「悉数运转」，就能够了。该 GPU 能供给 11G 左右的内存，运转进程中经常会呈现内存不足的状况，假如没有报错，直接疏忽就行。假如报错了，就翻开「代码履行程序」-「重置一切代码履行程序」，重新开端吧。
在履行进程中，咱们不一定需求一起履行生成和插值两个使命。为此，咱们能够选中 Explore BigGAN samples of a particular category 这个单元格，然后翻开「代码履行程序」-「运转当时单元格之前的一切单元格」，然后再别离履行之后的其间一个单元格，这样也能防止内存不足的问题。
在大部分状况下，内存不足并没有导致报错。在发动一个使命后，大约等候 10 秒左右的时刻，咱们就能够看到生成和插值的成果。
