《使用 PyTorch 制作你的第一个生成对抗网络(GAN)》项目教程

1. 项目目录结构及介绍

本项目包含了使用PyTorch构建GAN（生成对抗网络）的详细教程，目录结构如下：

gan/
├── 00_pytorch_basics.ipynb
├── 01_pytorch_computation_graph.ipynb
├── 02_mnist_data.ipynb
├── 03_mnist_classifier.ipynb
├── 04_mnist_classifier_refinements.ipynb
├── 05_cuda_basics.ipynb
├── 06_gan_simple_pattern.ipynb
├── 07_gan_mnist_first_attempt.ipynb
├── 08_gan_mnist.ipynb
├── 09_gan_mnist_seed_experiments.ipynb
├── 10_celeba_download_make_hdf5.ipynb
├── 11_celeba_data.ipynb
├── 12_gan_celeba.ipynb
├── 13_cnn_mnist.ipynb
├── 14_gan_cnn_celeba.ipynb
├── 15_gan_cnn_celeba_refinements.ipynb
├── 16_cgan_mnist.ipynb
├── Appendix_B_generate.ipynb
├── Appendix_D_convergence.ipynb
├── LICENSE
├── README.md

文件说明：

• 00_pytorch_basics.ipynb：PyTorch基础教程。
• 01_pytorch_computation_graph.ipynb：PyTorch计算图介绍。
• 02_mnist_data.ipynb：MNIST数据集加载与预处理。
• 03_mnist_classifier.ipynb：构建MNIST分类器。
• 04_mnist_classifier_refinements.ipynb：MNIST分类器优化。
• 05_cuda_basics.ipynb：CUDA基础使用。
• 06_gan_simple_pattern.ipynb：简单的GAN模式示例。
• 07_gan_mnist_first_attempt.ipynb：MNIST数据集上的GAN首次尝试。
• 08_gan_mnist.ipynb：在MNIST数据集上实现GAN。
• 09_gan_mnist_seed_experiments.ipynb：MNIST数据集GAN种子实验。
• 10_celeba_download_make_hdf5.ipynb：CelebA数据集下载与转换为HDF5格式。
• 11_celeba_data.ipynb：加载和预处理CelebA数据集。
• 12_gan_celeba.ipynb：在CelebA数据集上实现GAN。
• 13_cnn_mnist.ipynb：使用CNN构建MNIST分类器。
• 14_gan_cnn_celeba.ipynb：使用CNN在CelebA数据集上实现GAN。
• 15_gan_cnn_celeba_refinements.ipynb： CelebA数据集GAN优化。
• 16_cgan_mnist.ipynb：条件GAN在MNIST数据集上的实现。
• Appendix_B_generate.ipynb：生成示例图像的附录。
• Appendix_D_convergence.ipynb：GAN收敛性研究附录。
• LICENSE：项目使用的GPL-2.0协议许可文件。
• README.md：项目说明文件。

2. 项目的启动文件介绍

项目的启动文件是00_pytorch_basics.ipynb，它提供了PyTorch的基础知识，是开始本项目前必须了解的内容。这个Jupyter笔记本文件将引导你了解PyTorch的基本概念，包括张量、自动微分等。

3. 项目的配置文件介绍

本项目没有特定的配置文件。所有的设置和参数都在各个Jupyter笔记本中通过代码直接配置。如果需要进行大规模训练或者想要调整模型参数，可以在相应的笔记本中修改代码中的参数设置。

在开始每个笔记本之前，请确保你已经安装了所需的库，并且设置了适当的环境变量。大多数配置都是通过代码注释或说明指出的，确保按照指示操作即可。