深度学习100例-生成对抗网络（GAN）手写数字生成 | 第18天（二）

程序员到程序猴

于 2022-08-17 10:02:02 发布

阅读量510

点赞数

文章标签：深度学习生成对抗网络 tensorflow 神经网络人工智能

本文链接：https://blog.csdn.net/m0_72708909/article/details/126379578

版权

本文详细介绍了如何构建鉴别器，包括Keras.layers.Flatten的作用、LeakyReLU激活函数、Adam优化器的使用，以及模型编译时的loss、optimizer和metrics设置。通过编译过程的解析，展示了Keras中如何处理损失函数和评估指标，特别是自定义损失函数和metric的灵活性。

摘要由CSDN通过智能技术生成

构建鉴别器

def build_discriminator():
    # ===================================== #
    #   鉴别器，对输入的图片进行判别真假
    # ===================================== #
    model = Sequential([
        layers.Flatten(input_shape=img_shape),
        layers.Dense(512),
        layers.LeakyReLU(alpha=0.2),
        layers.Dense(256),
        layers.LeakyReLU(alpha=0.2),
        layers.Dense(1, activation='sigmoid')
    ])

    img = layers.Input(shape=img_shape)
    validity = model(img)

    return Model(img, validity)

Keras.layers.Flatten(input_shape=[])用于将输入层的数据压成一维的数据，一般用再卷积层和全连接层之间（因为全连接层只能接收一维数据，而卷积层可以处