AI-project: A Python repository from cyny666

接口类文件为aigcmn.py。
调用步骤与代码演示：
1. test=AiGcMn("generator_params.pth","discriminator_params.pth")
  
  创建AiGcMn接口类的实例，需要传入2个str类型的参数(是预先训练好并保存的模型参数)，分别为包含文件中的2个文件的文件名："generator_params.pth"和"discriminator_params.pth"
2. test.misc()
  
  misc()为其他处理函数，用于加载模型参数和其他中间过程的处理
3. output_tensor=test.generate(target=input)
  
  接口函数为generate：有一个target参数，类型为一个整型的n维torch.Tensor（n是batch的大小，每个整数在0~9范围内，代表需要生成的数字）；
  
  该函数的返回output_tensor为n * 1 * 28 * 28的tensor（n是batch的大小，每个1 * 28 * 28的tensor表示随机生成的数字图像）；
  
  并且会在当前目录生成一个1行n列的对应数字的网格图像

示例代码：

if __name__=='__main__':

    data = [0,1,2,3,4,5,6,7,8,9]

    # input为输入的整数型n维tensor
    input=torch.tensor(data)

    # 创建AiGcMn接口类的实例，需要传入2个参数(是预先训练好的模型参数)
    test=AiGcMn("generator_params.pth","discriminator_params.pth")
    # misc()为其他处理函数，用于加载和中间过程的处理
    test.misc()
    """
    接口函数generate:target参数为一个整型的n维torch.Tensor，
    （n是batch的大小，每个整数在0~9范围内，代表需要生成的数字）
    该函数返回n*1*28*28的tensor
    （n是batch的大小，每个1*28*28的tensor表示随机生成的数字图像）
    并且会在当前目录生成一行对应数字的网格图像
    """
    output_tensor=test.generate(target=input)
    
    print("输出图像tensor.size: ",output_tensor.size())

终端输出为：输出图像tensor.size: torch.Size([10, 1, 28, 28])

cyny666/AI-project