对抗网络学习（1）

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