pytorch-generative

一键复现经典生成模型，快速上手图像生成实验

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 69 🐛 待处理 5 👀 关注 11

GitHub ↗

GitHub 星标 ★ 439

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

pytorch-generative 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类图像生成

开发团队EugenHotaj

GitHubhttps://github.com/EugenHotaj/pytorch-generative

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型autoregressive-neural-networks,beta-vae,generative-models,image-generation,image-gpt,paper-implementations,pixelcnn,pixelsnail,pytorch-generative,variational-autoencoders,vd-vae,vq-vae

GitHub 星标★ 439

上线时间2020-03-25 00:00:00

代码更新2023-09-11

仓库体积54.9 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数3

项目介绍

pytorch-generative 是一个基于 PyTorch 的生成模型工具库，旨在让生成建模变得简单易用。它实现了多种经典生成模型，包括 PixelCNN、ImageGPT、Beta-VAE 等自回归和变分自编码器模型，并提供了与论文一致的实现代码，方便研究者复现和对比。项目解决了生成模型实现复杂、复现困难的问题，通过统一的接口和模块化设计，降低了入门门槛。其核心能力包括：提供多种预训练模型和训练脚本，支持图像生成任务，并附带清晰的数据加载和评估流程。作为一个早期项目，它更像一个学习资源和实验工具箱，适合希望深入理解生成模型原理或快速搭建基线模型的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 439

技术标签

generative-models image-generation

使用教程

难度：进阶约 30 分钟部署方式：本地安装 4 步

环境要求

PyTorch
（可选）NVIDIA GPU

安装与启动步骤

1拉仓库装依赖

它是教学向的生成模型库，代码可读性优先。
```
git clone https://github.com/EugenHotaj/pytorch-generative
```
2跑测试

先确认环境没问题。
```
python -m unittest discover
```
3训一个小模型

用图像版 GPT 在 MNIST 上跑一轮。
```
python train.py --model image_gpt --logdir /tmp/run --use-cuda
```
4看生成样本

训练日志目录里会有采样结果。