参考:https://blog.csdn.net/weixin_42111770/article/details/81449449
可以完全跑通。 mnist1.py和test1.py
参考:https://blog.csdn.net/lxllzl/article/details/78494071 适用于初学者的生成对抗网络教程.https://github.com/jonbruner/generative-adversarial-networks
github 地址,运行gan-script-fast.py ,不会产生print信息,会定期更新到tensorboard中,用logs来查看。
mnist读数据和读取展示:
import tensorflow as tf import numpy as np import datetime import matplotlib.pyplot as plt %调用函数 import pylab %另一个图片显示库,matplotlib的子包 from tensorflow.examples.tutorials.mnist import input_data mnist=input_data.read_data_sets("MNIST_data/") sample_image = mnist.train.next_batch(1)[0] %用next_batch自动读取下一个图片 print(sample_image.shape) %展示图像的向量大小 sample_image = sample_image.reshape([28, 28]) plt.imshow(sample_image, cmap='Greys') pylab.show() %
如果你搭建的网络模型没有问题的话,那么在对应的文件目录下将会看到16个文件,TensorFlow只会保存最近5次的模型,每一个模型会有三个文件,外加一个checkpoint文件,下图我的一个示例:
各文件说明
checkpoint文件保存了一个目录下所有的模型文件列表,这个文件是
tf.train.Saver
类自动生成且自动维护的。.meta文件保存了TensorFlow计算图的结构,可以理解为神经网络的网络结构 ,TensorFlow通过元图(MetaGraph)来记录计算图中节点的信息以及运行计算图中节点所需要的元数据。
.data-00000-of-00001文件保存了TensorFlow程序中每一个变量的取值,这个文件是通过SSTable格式存储的,可以大致理解为就是一个(key,value)列表。
.index是对应模型的索引文件
tensorflow模型的保存和恢复。
参考:https://blog.csdn.net/liangyihuai/article/details/78515913
参考资料:https://www.jianshu.com/p/2e8de4955169 生成对抗网络入门指南(内含资源和代码)简书
checkpoint检查点,可以设置某个点