還記得前些日子轟動一時的 BigGAN 模型嗎？生成對抗網(wǎng)絡（GAN）作為當前最熱門的技術之一，最近在圖像生成方面的成果頗受人關注。近日，由 DeepMind 和赫瑞瓦特大學組成的科研人員公布的 BigGAN 模型，被稱為“史上最強 GAN 生成器”，可合成食物照片、風景肖像和動物照片，其圖片效果十分逼真，在 ImageNet 的測評集上從之前的最高分 52.52 提升到 66.3，效果提升非常顯著。

由BigGAN模型生成的類條件樣本（圖片截取自論文）

目前 ICLR 2019 的論文評審結果于上周剛剛公布，其中就包括 BigGAN 模型的這篇論文“Large Scale GAN Training for High Fidelity Natural Image Synthesis”，現(xiàn)已掛在 arXiv 上。BigGAN 獲得了三位評審 8 分、7 分和 10 分的評價，詳情參看：https://openreview.net/forum?id=B1xsqj09Fm

簡單解釋下，之所以稱為 BigGAN，引用合肥工業(yè)大學研究生武廣的話來講，主要歸于三點：

一是 Batch Size 的增大，二是采用先驗分布 z 的“截斷技巧”，三是對模型穩(wěn)定性的控制。

如在訓練中每批 Batch 就有 2048 張照片（通常情況下都是 64 張），用于控制模型部分特性的算法控制器參數(shù)是此前其他模型的 4 倍，近 1.58 億。

為方便開發(fā)者練習和使用，DeepMind 今天又公開了 BigGAN 的 TensorFlow Hub，順帶還提供了在 Colab 上的 demo，開發(fā)者可以在 Colab 上運行圖像生成和插值任務。

鏈接：https://tfhub.dev/deepmind/biggan-256

▌如何使用 Colab demo？

首先，你得打開 Colab，登錄 Google 賬戶。

注意：這是一個完全運行在云端的環(huán)境，開發(fā)者可以使用 Keras、TensorFlow、PyTorch 等框架進行深度學習應用的開發(fā)，尤其適合那些手頭沒有 GPU 資源的初學者。

第一步：設置

1.1 從 TF Hub 中下載 BigGAN 生成器模組

1.2 定義 BigGAN 圖像分類及展示功能

1.3 創(chuàng)建 TensorFlow 會話，并初始化變量

第二步：搜索特定類別的 BigGAN 樣本

類條件抽樣

第三步：在 BigGAN 樣本之間插值

插值