DragGAN的官方版还没有发布，但是已经有非官方版的实现了，我们看看如何使用。DragGAN不仅让GAN重新回到竞争轨道上，而且为GAN图像处理开辟了新的可能性。正式版本将于本月发布。但是现在已经可以在一个非官方的演示中试用这个新工具了
DragGAN
生成对抗网络(GAN)是一种机器学习系统，由生成器和鉴别器两部分组成。
这两个部分是在竞争场景中训练的，其中生成器创建“假”数据(例如试图模仿图像)，并试图欺骗鉴别器将其分类为“真实”。
另一方面，鉴别器在训练过程中学习区分真实数据和虚假数据。这种来回的“竞争”随着时间的推移提高了生成器输出的质量，这使得gan能够产生令人难以置信的真实合成数据。
DragGAN通过允许gan生成的图像的任何点被“拖动”到目标点，从而改变图像，为控制gan开辟了新的可能性。也就是说我们可以通过对姿势、形状、表情和布局的明确控制来操纵图像!🤯
论文还介绍了一个称为“GAN inversion”的过程，可以将真实图像转换为GAN可以理解的格式，并通过DragGAN进行转换。
Google Colab
Google Colab可以在浏览器窗口中运行DragGAN。只需要在在Notebook设置中选择GPU并运行安装代码，然后运行演示代码块。
下图就是通过设置原点和目标点，点击“Drag it”(通过“Setup Handle Points”菜单)，选
择一个模型和图像来测试DragGAN。
代码在这里（有中文的部署文档哦）：
https://avoid.overfit.cn/post/27e2fa4c72854258a2ed876ef43c308f
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
相关推荐: SPSS Modeler分析物流发货明细数据：K-MEANS（K均值）聚类和Apriori关联规则挖掘
全文链接：http://tecdat.cn/?p=32633 原文出处：拓端数据部落公众号 物流发货明细数据在现代物流业中扮演着至关重要的角色。通过对这些数据进行挖掘和分析，我们可以发现隐含在背后的供应链运营规律和商业模式，从而指导企业在物流策略、成本管理和客…
