pixelCNN 是图像领域的开源项目，由 kundan2510 开发，2016 年首次发布。
它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 166。
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 2025-01-26。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：学术研究：复现PixelCNN基线模型。同类可对比的替代方案包括 PixelCNN++、Gated PixelCNN、PixelSNAIL。
pixelCNN
用 Theano 逐像素生成图像，理解自回归模型原理
pixelCNN 是一个基于 Theano 重新实现的 PixelCNN 图像生成模型。PixelCNN 是一种自回归生成模型，通过逐像素预测来生成图像，能够学习图像的分布并生成新样本。该项目解决了传统生成模型（如 GAN）训练不稳定、难以评估概率的问题，提供了一种可直接计算似然的生成方式。核心能力包括：使用掩码卷积（masked convolution）确保生成过程中的条件依赖，支持灰度图像（如 MNIST）的生成，并提供训练和采样脚本。作为早期实现，它代码简洁，适合学习 PixelCNN 原理和自回归生成模型的基础。
开源
free
图像生成
GitHub 星标
★ 166
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kundan2510
所属国家
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deep-learning,image-generation,pixelcnn,theano
GitHub 星标★ 166
30天Star增速
HF 下载量
上线时间2016-07-12 00:00:00
最近更新2025-01-26 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2
使用教程
核心亮点
- 代码结构清晰，适合学习 PixelCNN 核心的掩码卷积实现
- 基于 Theano，便于对比其他框架版本，理解模型细节
- 包含训练和采样流程，可快速在 MNIST 上跑通实验
不足之处
- 依赖 Theano，已停止维护，环境配置困难
- 仅支持灰度小图，未扩展到彩色或高分辨率
- 文档/社区待观察
适用场景
- 学术研究：复现 PixelCNN 基线模型
- 教学演示：讲解自回归生成模型原理
- 早期实验：对比不同生成模型（如 VAE、GAN）的效果
替代项目
PixelCNN++、Gated PixelCNN、PixelSNAIL
项目介绍
上一篇：DCGAN-Tensorflow
同类项目推荐
satori
开源
网页代码一键变高清图，放大不糊，不用截图
Enlightened library to convert HTML and CSS to SVG
C2GAN
开源
用关键点精准控制图像生成，让AI画出你想要的结构
[ACM MM 2019 Oral] Cycle In Cycle Generative Adversarial Networks for Keypoint-Guide···
stable-diffusion-webui
开源
打开网页说想法，配图素材几秒到手
Stable Diffusion web UI
ComfyUI
开源
像搭积木一样连节点，生图流程自己搭
The most powerful and modular diffusion model GUI, api and backend with a graph/node···