代码实现 当初学习时，主要学习的这个博客 https: xyang .github.io GAN ，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。 . 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 .封装GAN对象 包含生成器，判别器 .生成器netG 随意输入的z，通过z w b的矩阵运算 全连接运算 ，返回结果 .判别器nefD 判别器为 ...
2018-11-26 14:45 0 1415 推荐指数：
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 ...
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 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/25071913。相比 Wasserstein GAN ，我们的 DCGAN 好像 ...
在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 train.py，同时新建文件夹 logs 和文件夹 samples，前者用来保存训练过程中的日志和模型，后者用来保存训练过程中采样器的采样图片，在 train.py 中输入如下代码： 输入完成后 ...
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 ...
在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 utils.py，输入如下代码： 这个函数的作用是在训练的过程中保存采样生成的图片。 在 /home/your_name/TensorFlow/DCGAN/ 下新建 ...
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 ...
通过GAN生成式对抗网络，产生mnist数据 引入包，数据约定等 GAN对象结构 生成器函数 对随机值z(维度为1，100)，进行包装，伪造，产生伪造数据。 包装过程概括为：全连接->reshape->反卷积 包装过程中使用了batch_normalization ...
