使用GAN生成数字图像

最新推荐文章于 2024-07-22 23:41:15 发布

DreamsComing

最新推荐文章于 2024-07-22 23:41:15 发布

阅读量2.8k

点赞数 1

文章标签： python 机器学习

本文链接：https://blog.csdn.net/biaoshangting6884/article/details/119216507

版权

本文介绍了使用GAN（生成对抗网络）生成MNIST数字图像的过程，包括理论准备、数据加载、鉴别器和生成器的创建、模型训练、图像验证及结果展示。作者通过优化鉴别器和生成器的能力，使得生成器能够从种子生成逼真的数字图像。

摘要由CSDN通过智能技术生成

注：以下内容是本人在学习GAN中的总结，由于本人能力有限，都是根据自己理解写的，可能会出现口语化严重或明显的错误，还请见谅

目标：给定一个种子，生成器能生成不同的数字图像

GAN主要三步：优化鉴别器的鉴别真假能力，优化生成器的造假能力（见下图）

主要思想：希望鉴别器能分辨真假，同时又希望生成器能骗过鉴别器，两者相互竞争

使用数据集：MNIST

获取地址：

在这里我使用的是Dataset的方式。Dataset一般和DataLoader配合使用，在该代码中未使用到DataLoader，所以可以直接采用pandas等方式直接加载，再包装成tensor。

#创建自定义类，继承Dataset
class MnistDateSet(Dataset):
    def __init__(self,img_file):
        super().__init__()
        #使用pan

关注