不要怂，就是GAN (生成式对抗网络) （四）：训练和测试 GAN
点击运行，运行过程中，可以看到，生成的每个图片对应行对应列都是一样的数字，这是因为我们加了条件约束；采 ...
原文：不要怂，就是GAN (生成式对抗网络) （五）：无约束条件的 GAN 代码与网络的 Graph
GAN 这个领域发展太快，日新月异，各种 GAN 层出不穷，前几天看到一篇关于 Wasserstein GAN 的文章，讲的很好，在此把它分享出来一起学习：https: zhuanlan.zhihu.com p 。相比Wasserstein GAN ，我们的 DCGAN 好像低了一个档次，但是我们伟大的教育家鲁迅先生说过： 合抱之木，生于毫末 九层之台，起于累土 千里之行，始于足下 ， 依稀记得那 ...
2017-02-11 23:43 35 11385 推荐指数：
相关推荐
不要怂，就是GAN (生成式对抗网络) （一）： GAN 简介
前面我们用 TensorFlow 写了简单的 cifar10 分类的代码，得到还不错的结果，下面我们来研究一下生成式对抗网络 GAN，并且用 TensorFlow 代码实现。 自从 Ian Goodfellow 在 14 年发表了 论文 Generative Adversarial Nets ...
不要怂，就是GAN (生成式对抗网络) （六）：Wasserstein GAN（WGAN） TensorFlow 代码
先来梳理一下我们之前所写的代码，原始的生成对抗网络，所要优化的目标函数为： 此目标函数可以分为两部分来看： ①固定生成器 G，优化判别器 D， 则上式可以写成如下形式： 可以转化为最小化形式： 我们编写的代码中，d_loss_real = tf.reduce_mean ...
不要怂，就是GAN (生成式对抗网络) （二）：数据读取和操作
前面我们了解了 GAN 的原理，下面我们就来用 TensorFlow 搭建 GAN（严格说来是 DCGAN，如无特别说明，本系列文章所说的 GAN 均指 DCGAN），如前面所说，GAN 分为有约束条件的 GAN，和不加约束条件的GAN，我们先来搭建一个简单的 MNIST 数据集上加约束条件 ...
GAN和CGAN——生成式对抗网络和条件生成式对抗网络
GAN的定义 GAN是一个评估和学习生成模型的框架。生成模型的目标是学习到输入样本的分布，用来生成样本。GAN和传统的生成模型不同，使用两个内置模型以“对抗”的方式来使学习分布不断接近输入样本分布。两个模型一个是生成模型（Generative model），用来生成样本；另一个是判别模型 ...
说说GAN（生成式对抗网络）
在Auto-encoder中，input data通过一个encoder神经网络得到一个维度的较低的向量，称这个向量为code，code经过一个decoder神经网络后输出一个output data。 encoder 网络的作用是用来发现给定数据的压缩表示。decoder网络使原始输入的尽可 ...
GAN生成式对抗网络（二）——tensorflow代码示例
代码实现 当初学习时，主要学习的这个博客 https://xyang35.github.io/2017/08/22/GAN-1/ ，写的挺好的。 本文目的，用GAN实现最简单的例子，帮助认识GAN算法。 2. 真实数据集，我们要通过GAN学习这个数据集，然后生成和他分布规则一样的数据集 ...
不要怂，就是GAN (生成式对抗网络) （三）：判别器和生成器 TensorFlow Model
文件 model.py，定义生成器，判别器和训练过程中的采样网络，在 model.py 输入如下代码： ...