基于DCGAN的动漫头像生成神经网络实现

最新推荐文章于 2024-07-18 22:24:28 发布

lpty

最新推荐文章于 2024-07-18 22:24:28 发布

阅读量1.5w

点赞数 10

分类专栏：图像处理深度学习文章标签： GAN cnn DCGAN 神经网络 tenforflow

本文链接：https://blog.csdn.net/sinat_33741547/article/details/77871170

版权

本文介绍了基于DCGAN的动漫头像生成神经网络实现，讲解了DCGAN、转置卷积和Batch Normalization的概念，并提供了TensorFlow实现的实战步骤，包括训练数据处理、生成器和判别器的构建以及模型训练。

摘要由CSDN通过智能技术生成

一、前言

5、Batch Normalization解读

本文假设读者已经了解GAN及CNN的基本原理实现，如不清楚可参考以下文章：

基于GAN的的mnist训练集图片生成神经网络实现

基于CNN的验证码识别神经网络实现

二、实战

1、训练数据处理

(1)数据源：百度云盘提取码：g5qa

(2)创建一个生成器

class Avatar:

    def __init__(self):
        self.data_name = 'faces'
        self.source_shape = (96, 96, 3)
        self.resize_shape = (48, 48, 3)
        self.crop = True
        self.img_shape = self.source_shape if not self.crop else self.resize_shape
        self.img_list = self._get_img_list()
        self.batch_size = 64
        self.batch_shape = (self.batch_size, ) + self.img_shape
        self.chunk_size = len(self.img_list) // self.batch_size

    def _get_img_list(self):
        path = os.path.join(os.getcwd(), self.data_name, '*.jpg')
        return glob(path)

    def _get_img(self, name):
        assert name in self.img_list
        img = scipy.misc.imread(name).astype(np.float32)
        assert img.shape == self.source_shape
        return self._resize(img) if self.crop else img

    def _resize(self, img):
        h, w = img.shape[:2]