還記得前些日子轟動一時的 BigGAN 模型嗎？生成對抗網絡（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是此前其他模型的 4 倍，近 1.58 億。

為方便開發者練習和使用，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境，開發者可以使用 Keras、TensorFlow、PyTorch 等框架進行深度學習應用的開發，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