【Tensorflow tf 掏粪记录】笔记六——DCGAN

2023-11-22 11:20

本文主要是介绍【Tensorflow tf 掏粪记录】笔记六——DCGAN,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

DC_GAN与之前的生成MNIST数据集的项目一样,同样是利用了GAN神经网络的特性。让机器学会模仿并生成类似的图片。
只是这里不同的是,鉴别器的神经网路由全连接神经网络改成了卷积神经网络。同样的,生成器的神经网络也变成了反卷积神经网络,毕竟这次的SVHM数据集比MNIST数据集复杂。下图是DCGAN论文中关于反卷积的图片:
这里写图片描述

项目代码

https://github.com/IronMastiff/DC_GAN

反卷积


整个项目中最最关键的就是反卷积操作,通过反卷积来生成我们所期待的图片。反卷积操作中少了我们卷积操作中熟悉的各种pooling层。我用tf.layers.conv2d_transpose()来实现的反卷积。在这里我反卷积的步长选择的是2,因为我是希望整个反卷积操作输出的是32 * 32 * 3 的图片。因为SVHM数据集的单个图片的大小就是32 * 32 * 3。当然了卷积padding要使用same,方便自己计算输出的维度大小。

生成器


生成器就是反卷积操作的运用。我用了3层反卷积操作,把输入的一维白噪音变成32 * 32 * 3 的图片。

使用tf.variable_scope()为了以后方便只保存generator的权重。毕竟训练完成后,鉴别器是不需要的。仿照论文,白噪音通过全连接层后进入反卷积层。卷积过程中没有用任何的激活函数,只是在最后使用了tanh作为激活函数。

def generator( z, output_dim, reuse = False, alpha = 0.2, training = True ):with tf.variable_scope( 'generator', reuse = reuse ):# First fully connect layerx1 = tf.layers.dense( z, 4 * 4 * 512 )# Reshape it to start the convelutional stackx1 = tf.reshape( x1, ( -1, 4, 4, 512 ) )x1 = tf.layers.batch_normalization( x1, training = training )x1 = tf.maximum( x1, alpha * x1 )# 4 * 4 *  512x2 = tf.layers.conv2d_transpose( x1, 256, 5, strides = 2, padding = 'same' )x2 = tf.layers.batch_normalization( x2, training = training )x2 = tf.maximum( x2, alpha * x2 )# 8 * 8 * 256x3 = tf.layers.conv2d_transpose( x2, 128, 5, strides = 2, padding = 'same' )x3 = tf.layers.batch_normalization( x3, training = training )x3 = tf.maximum( x3, alpha * x3 )# 16 * 16 * 128logits = tf.layers.conv2d_transpose( x3, output_dim, 5, strides = 2, padding = 'same' )# 32 * 32 * output_dimout = tf.tanh( logits )return out

鉴别器

鉴别器还是老样子,输入的是真实的数据集中的图片与生成器生成的图片。鉴别器的任务就是鉴别出图片是生成器生成的还是真实的数据集的图片。

我采用3层卷积操作外加一个全连接层来识别图像的真伪。卷积层采用Leky_Relu作为激活函数,全连接层采用sigmoid作为激活函数。要是鉴别器识别的任务加上图片中的内容的话那就成了半监督学习了。

def discriminator( x, reuse = False, alpha = 0.2 ):with tf.variable_scope( 'discriminator', reuse = reuse ):x1 = tf.layers.conv2d( x, 64, 5, strides = 2, padding = 'same' )relu1= tf.maximum( x1, alpha * x1 )# 16 * 16 * 64x2 = tf.layers.conv2d( relu1, 128, 5, strides = 2, padding = 'same' )bn2 = tf.layers.batch_normalization( x2, training = True )relu2 = tf.maximum( bn2, alpha * bn2 )# 8 * 8 * 128x3 = tf.layers.conv2d( relu2, 256, 5, strides = 2, padding = 'same' )bn3 = tf.layers.batch_normalization( x3, training = True )relu3 = tf.maximum( bn3, bn3 * alpha )# 4 * 4 * 256# Flatten itflat = tf.reshape( relu3, ( -1, 4 * 4 * 256 ) )logits = tf.layers.dense( flat, 1 )out = tf.sigmoid( logits )return out, logits

这篇关于【Tensorflow tf 掏粪记录】笔记六——DCGAN的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/409766

相关文章

MySQL INSERT语句实现当记录不存在时插入的几种方法

《MySQLINSERT语句实现当记录不存在时插入的几种方法》MySQL的INSERT语句是用于向数据库表中插入新记录的关键命令,下面:本文主要介绍MySQLINSERT语句实现当记录不存在时... 目录使用 INSERT IGNORE使用 ON DUPLICATE KEY UPDATE使用 REPLACE

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

Spring Boot中定时任务Cron表达式的终极指南最佳实践记录

《SpringBoot中定时任务Cron表达式的终极指南最佳实践记录》本文详细介绍了SpringBoot中定时任务的实现方法,特别是Cron表达式的使用技巧和高级用法,从基础语法到复杂场景,从快速启... 目录一、Cron表达式基础1.1 Cron表达式结构1.2 核心语法规则二、Spring Boot中定

国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)

《国内环境搭建私有知识问答库踩坑记录(ollama+deepseek+ragflow)》本文给大家利用deepseek模型搭建私有知识问答库的详细步骤和遇到的问题及解决办法,感兴趣的朋友一起看看吧... 目录1. 第1步大家在安装完ollama后,需要到系统环境变量中添加两个变量2. 第3步 “在cmd中

Spring Retry 实现乐观锁重试实践记录

《SpringRetry实现乐观锁重试实践记录》本文介绍了在秒杀商品SKU表中使用乐观锁和MybatisPlus配置乐观锁的方法,并分析了测试环境和生产环境的隔离级别对乐观锁的影响,通过简单验证,... 目录一、场景分析 二、简单验证 2.1、可重复读 2.2、读已提交 三、最佳实践 3.1、配置重试模板

在 Spring Boot 中使用异步线程时的 HttpServletRequest 复用问题记录

《在SpringBoot中使用异步线程时的HttpServletRequest复用问题记录》文章讨论了在SpringBoot中使用异步线程时,由于HttpServletRequest复用导致... 目录一、问题描述:异步线程操作导致请求复用时 Cookie 解析失败1. 场景背景2. 问题根源二、问题详细分

关于Spring @Bean 相同加载顺序不同结果不同的问题记录

《关于Spring@Bean相同加载顺序不同结果不同的问题记录》本文主要探讨了在Spring5.1.3.RELEASE版本下,当有两个全注解类定义相同类型的Bean时,由于加载顺序不同,最终生成的... 目录问题说明测试输出1测试输出2@Bean注解的BeanDefiChina编程nition加入时机总结问题说明

将sqlserver数据迁移到mysql的详细步骤记录

《将sqlserver数据迁移到mysql的详细步骤记录》:本文主要介绍将SQLServer数据迁移到MySQL的步骤,包括导出数据、转换数据格式和导入数据,通过示例和工具说明,帮助大家顺利完成... 目录前言一、导出SQL Server 数据二、转换数据格式为mysql兼容格式三、导入数据到MySQL数据

关于rpc长连接与短连接的思考记录

《关于rpc长连接与短连接的思考记录》文章总结了RPC项目中长连接和短连接的处理方式,包括RPC和HTTP的长连接与短连接的区别、TCP的保活机制、客户端与服务器的连接模式及其利弊分析,文章强调了在实... 目录rpc项目中的长连接与短连接的思考什么是rpc项目中的长连接和短连接与tcp和http的长连接短