FreezeG

冻结生成器，稳定训练，快速搞定图像翻译

FreezeG 是一个用于伪图像翻译的生成器冻结工具，主要解决图像到图像翻译任务中生成器训练不稳定、模式崩溃等问题。它通过冻结生成器的部分参数或整个生成器，仅训练判别器或其他辅助模块，从而稳定训练过程，提升生成图像的质量和多样性。核心能力包括支持多种生成器架构、灵活的冻结策略配置、以及与主流图像翻译框架的集成。适用于风格迁移、超分辨率、图像修复等场景，尤其适合在数据量有限或训练资源受限时，通过冻结预训练生成器来快速适配新任务。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 474

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队bryandlee

所属国家

官网地址

GitHubhttps://github.com/bryandlee/FreezeG

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型image-generation,image-to-image-translation

GitHub 星标★ 474

30天Star增速

HF 下载量

上线时间2020-07-31 00:00:00

最近更新2026-07-20 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

冻结策略灵活，可冻结部分或全部生成器参数，适配不同训练需求
有效缓解模式崩溃，提升生成图像的多样性和稳定性
与主流图像翻译框架兼容，易于集成到现有流程

不足之处

文档/社区待观察
早期项目，功能覆盖有限，可能缺少高级优化选项

适用场景

数据量有限时，利用预训练生成器冻结后快速适配新风格
训练图像翻译模型时，需要稳定生成器避免模式崩溃
在资源受限环境下，降低训练成本并保持生成质量

替代项目

CycleGAN、pix2pix、MUNIT

项目介绍

FreezeG 是图像领域的开源项目，由 bryandlee 开发，2020 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 474。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-07-20。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：数据量有限时，利用预训练生成器冻结后快速适配新风格。同类可对比的替代方案包括 CycleGAN、pix2pix、MUNIT。

上一篇：Few-Shot-Patch-Based-Training

下一篇：malnyun_faces