1.5 条件生成对抗网络（CGAN)

最新推荐文章于 2024-09-07 18:59:08 发布

大肥肥肉肉

最新推荐文章于 2024-09-07 18:59:08 发布

阅读量3.4k

点赞数

文章标签： tensorflow 人工智能生成对抗网络

本文链接：https://blog.csdn.net/fdgdg1/article/details/121465324

版权

本文介绍了条件生成对抗网络（CGAN），其中生成器学习为每个标签生成逼真样本，鉴别器则区分真实与伪造的样本-标签对。详细阐述了生成器和鉴别器的工作原理，并提供了CGAN的TensorFlow实现，包括模型构建和训练过程，最后展示生成的图像。

摘要由CSDN通过智能技术生成

1.什么是CGAN

在CGAN训练期间，生成器学习为训练数据集中的每个标签生成逼真的样本，而鉴别器则学习区分真的样本-标签对与假的样本-标签对。只学习接受真实且样本-标签匹配正确的对，拒绝不匹配的对和样本为假的对。

2.生成器

条件标签称为y，生成器使用噪声向量Z和标签y合成一个伪样本。

3.鉴别器

接受带标签的真实样本（x,y),以及生成器生成的伪样本

4.代码实现

4.1导入数据库

%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

from keras.datasets import mnist
from keras.layers import (Activation, BatchNormalization, Concatenate, Dense,
                          Embedding, Flatten, Input, Multiply, Reshape)
from keras.layers.advanced_activations import LeakyReLU
from keras.layers.convolutional import Conv2D, Conv2DTranspose
from keras.models import Model, Sequential
#此处如果报错，就将下面改为from keras.optimizer_v2 import adam as Adam
from keras.optimizers import Adam

4.2模型的输入维度

img_rows = 28
img_cols = 28
channels = 1

# 输入图像的维度
img_shape = (img_rows, img_cols, channels)

# 噪声向量的大小，用作生成器的输入
z_dim = 100

# 数据集中的类别数
num_classes = 10

4.3CGAN生成器

def build_generator(z_dim):

    model = Sequential()

    # 通过全连接层将输入变为7*7*256的张量
    model.add(Dense(256 * 7 * 7, input_dim=z_dim))
    model.add(Reshape((7, 7, 256)))