【Keras】 基于GAN自动生成动漫头像

最新推荐文章于 2024-03-19 23:31:14 发布
最新推荐文章于 2024-03-19 23:31:14 发布
阅读量1.3w 收藏 93
点赞数 14
分类专栏： 深度学习 文章标签： GAN Keras
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31804159/article/details/88559101
版权

快疯了...刚刚差点写完了，电脑突然重启了，还要重新写一遍，吐血啊！！！

最近在学深度学习，了解到了GAN，不得不说，GAN真的是一个神奇的工作。做这个的理由也是因为看了李宏毅老师的课程，这就是其中的一个课后作业——利用GAN生成动漫头像（这个也太酷了吧，燃烧中二之魂~）。

下面放上一些生成结果：

因为训练的次数并没有很多，效果看起来还是那么一回事，但是仔细看其实有一些结果就很奇怪了。

这里我是使用的Keras，因为Keras对新手太友好了，非常好上手，看看官方文档就能够很容易的搭建自己的网络了

本文使用的全部代码大概只有170行左右！！！

网上的Keras的例子其实挺多的，但是基本只有作用在mnist数据集，这里我们使用自己的数据集（不知是谁分享的，感谢~），而且使用DCGAN作为网络结构。

点击此处 获得数据集（提取码: 7s9b 数据集有五万多个头像）

点击此处 获取代码 （提取码: 2y75 ） 

本文默认是对GAN和CNN有一定的了解的，只介绍实现过程和代码。如果没有了解过的同学可以看一下我写的

零基础理解NN和CNN

生成式对抗网络系列

一、生成器模型

网络的输入是一个

最低0.47元/天 解锁文章
wk_119
关注
  • 14
    点赞
  • 踩
  • 93
    收藏
    觉得还不错? 一键收藏
  • 25
    评论
专栏目录
GAN 生成模型：生成器 (Generator) 原理与代码实例讲解
禅与计算机程序设计艺术
05-31 738
1.背景介绍 生成对抗网络（Generative Adversarial Networks, GAN）是一种深度学习模型，由Ian Goodfellow等人在2014年提出。GAN的核心思想是利用两个神经网络——生成器和判别器的对抗过程来训练生成器产生新的数据样本。生成器负责生成假数据，判别器则负责区分真假数据。这两个网络在训练过程中相互竞争、相互提升
使用DCGAN生成动漫风格的人脸并探索其潜在的特征表征
weixin_41697507的博客
04-14 3047
Step by step experimenting DCGAN with visualization of its results Hello everyone , It’s been a while ! Today, I want to write about my result of learning and experimenting another Deep Learning techn...
【源码＆教程】基于GAN的动漫头像生成系统
qq_45511798的博客
03-19 684
（1）理论上，当数据集的规模趋于无限大，使得每种可能的属性组合都包含大量例子时，可能不太需要再训练自动生成模型。例如数据集中分别有蓝发的头像和绿眼的头像，但没有蓝发绿眼的头像。（4）GAN能学习训练集中不同图像的“特征”（“特征”包括但不限于所标注的属性），并将来自不同图像的特征无缝融合在一张生成结果中。（4）之前提出的头像生成方法，其输出结果存在模糊和画面混乱的问题，而且生成结果的质量很不稳定。（2）GAN生成器以随机噪声作为输入，使得即使设置的属性完全相同，每次生成的结果也会发生微小但随机的变化。
【深度学习】基于GAN的动漫图像生成
weixin_44828537的博客
10-29 755
总的来说，通过使用PyTorch搭建生成对抗网络（GAN）实现动漫图像生成的实验，我们深入了解了GAN的原理和应用，并学会了使用训练好的模型生成逼真的动漫图像。然而，需要注意的是，GAN模型的训练过程具有一定的挑战性，需要仔细调整和优化各种参数和超参数，以获得理想的生成结果。训练GAN时，首先训练判别器模型，然后固定判别器的参数，训练生成器模型。通过使用生成对抗网络，实现动漫图像生成，掌握pytorch深度学习框架的使用，加深对深度学习各个概念和方法的了解，熟悉深度学习中模型的构建和训练。
pytorch之GAN实现生成动漫头像《深度学习框架pytorch入门与实践》
m0_37735069的博客
07-27 7140
首先有一点点废话，GAN就是生成对抗网络，由生成器和判别器构成。 生成器和判别器可以比喻成一个新手画家和一个新手鉴赏家，生成器这个画家不断的学习作画，给判别器这个鉴赏家检验. 判别器有时候能看到真画和假画，他的职责就是尽可能判断出真画为1，假画为0 生成器的工作就是尽可能欺骗判别器，让他识别不出假画，也就是把假画判断为1 这两部分一直对抗，一直学习，就是我们的GAN了 1.导入需要的模块...
【李宏毅2021机器学习深度学习】6-1 生成式对抗网络GAN1 基本概念介绍
py今天刷题了吗
12-17 1556
文章目录6-1 基本概念介绍Generator 是输出一个`分布`当任务需要“创造性”的时候（更精确的表述：相同的输入有不同的输出）就需要Generator 了一张图片就是非常`高维的向量`Discriminator架构也是自己设计的，可以是CNN，也可以是Transfomer，只要能产生符合的输入输出Generator 和 Discriminator的相爱相杀作业：动画人脸生成（50000次update... 恐怖如斯）更多的应用：真实人脸GAN有什么用呢？（可以产生 `没见过`的人脸，做插值）GAN的产
WGAN_GP:“改进的Wasserstein GANs训练”的Keras模型和张量流优化
05-17
Wasserstein GAN（带梯度罚分） Keras模型和张量流优化 在学习之前，请先下载图像训练数据。 python main.py --datadir (path to the directory contains images) 样本生成的图像（使用，church_outdoor类别） ！ 它会产生看起来很伪造的图像，但损失（产生器和鉴别器）在学习过程中会越来越大。 ！ 因此它可能有一些不完整的要点，希望有人检查一下，谢谢。
基于keras使用dcgan自动生成动漫头像.zip
最新发布
04-03
在本项目中，我们将深入探讨如何使用Keras库和深度卷积生成对抗网络（DCGAN）来创建自动生成的动漫头像。Keras是一个高级神经网络API，它构建在TensorFlow、Theano和CNTK等后端之上，使得深度学习模型的开发变得更加...
基于Python DCGAN自动生成动漫头像【100012735】
06-12
代码为主，主要是来介绍如果使用 keras 构建一个 DCGAN，然后基于 DCGAN，做一个自动生成动漫头像。GAN 网络由 G 网络和 D 网络组成，GAN 网络的 input 为 nosie，输出为图片真假的概率。
GAN生成手写图片（keras）tensorflow2.0
05-11
本文博客使用的程序，可以拿去直接用，使用GAN生成mnist数据集的图片，tensorflow版本是2.0，使用了keras
Keras_GAN网络_keras_GaN_gan网络应用_
10-01
在Keras中，GAN的训练过程通常涉及交替更新生成器和判别器的权重。训练过程中，需要定义损失函数（如二元交叉熵）以及优化器（如Adam），然后分别对两个网络进行前向传播和反向传播。在每个训练周期结束时，生成器和...
生成对抗网络-动态生成妹子头像
09-22
该项目是针对目前的生成对抗网络的一个应用，可以动态生成动漫妹子头像，适合学习。
(WGAN、WGAN_gp)Wasseratein GAN
08-27
基于tensorflow实现的wgan和wgan_gp，将数据集放于data文件夹下即可，如data/数据/*.jpg
GAN动漫头像数据集
11-19
5W张96*96的日本动漫头像，用于GAN生成对抗模型的训练。 https://blog.csdn.net/bu_fo/article/details/109800054
Keras-GAN-master_keras_GaN_GPS_
09-29
总的来说，这个项目可能是使用Keras和Python来实现一个GAN模型，该模型可能基于VGG网络结构，并且与GPS数据的生成或处理有关。由于描述中的部分词汇难以理解，具体实现细节可能需要查看源代码才能明确。这个项目对于...
tensorflow 2.5.0 ( keras )搭建wgan-gp 和 div
老邹的博客
01-05 1715
使用tensorflow 2.5.0搭建wgan网络： 代码： import argparse from inspect import classify_class_attrs import tensorflow as tf import tensorflow.keras as K import numpy as np import cv2 as cv import os import time #采用静态图的形式，可关闭急切模式 #tf.compat.v1.disable_eager_execution
【githubboy】前端内参，涵盖了技术面试、JavaScript 特性解析、数据结构与算法、主流框架、开发工具、编程范式
m0_68038546的博客
04-08 5181
推荐一款比较有意思的工具：ProsePainter，可基于机器学习，通过文字描述来生成图像。 GitHub：github.com/Morphogens/ProsePainter ​ 一个开源的 SQLite 在线工具：SQLime，可用于调试与分享 SQL 片段，跟前端开发工具 JSFiddle 有点像。 数据库支持从本地或远程导入，远程导入可使用 GitHub 的 URL 链接。有需要的话，你还可以将数据库与查询语句保存到 GitHub 上，与项目开发者共享。 整个项目针对移动端进行了适配，因此操
利用GAN生成动漫头像
热门推荐
qq_34739497的博客
04-12 2万+
前言 这篇博客参考自：GAN学习指南：从原理入门到制作生成Demo 前面曾经写过一篇：GAN入门介绍 这里再提供一个视频（文末）：干货 | 直观理解GAN背后的原理：以人脸图像生成为例 GAN的原理很简单，但是它有很多变体，如：DCGAN、CycleGAN、DeblurGAN等，它们也被用在不同地方，本文将用到DCGAN来生成动漫头像，可以做到以假乱真的地步。 原理 整个...
【深度学习】DCGAN实现动漫头像生成详细说明
莫凡的博客
11-03 1万+
DCGAN简单总结 DCGAN全称为Deep convolutional generative adversarial networks,即将深度学习中的卷积神经网络应用到了对抗神经网络中。 生成器，可以看做图片分类的逆过程，图片生成器输入随机向量，输出一个图片。随机向量不含像素级的位置信息。 而最初卷积网络，引入感受野，捕捉邻近区域的特征，越靠近输入端的信息，包含位置信息越明显，随着层层深入，...
基于Keras构建GAN网络用于手写数字图像生成
04-23
好的，以下是对您的问题的回答： 首先，GAN指的是对抗生成网络，是一种由两个神经网络组成的模型：一个生成器和一个判别器。生成器负责生成新的数据样本，而判别器则试图区分出生成器生成的样本和真实数据样本之间的差别。 使用Keras构建GAN网络用于手写数字图像生成的步骤大致如下： 1. 准备数据集：需要准备手写数字图像的数据集，并将其分为训练集和测试集。 2. 定义生成器网络：生成器网络通常是一个多层的神经网络，其输入为噪声向量，输出为生成的图像。可以使用Keras的Sequential模型定义生成器网络。 3. 定义判别器网络：判别器网络也是一个多层的神经网络，其输入为图像，输出为一个二元分类结果，代表该图像是真实数据还是生成器生成的数据。同样使用Keras的Sequential模型定义判别器网络。 4. 编译GAN网络：将生成器和判别器组合起来形成一个GAN网络。编译GAN网络时需要注意的一点是，对于生成器而言，其误差评估的对象为GAN网络输出的结果，而非生成器的输出结果。 5. 训练GAN网络：将训练集输入生成器网络中进行训练，通过GAN网络在生成图像和判别真实图像之间不断博弈，从而使得生成器不断优化生成效果。训练GAN网络的过程中需要注意的一点是，由于GAN网络的训练目标是非常复杂的，因此需要进行较长时间的训练。 以上是基于Keras构建GAN网络用于手写数字图像生成的大致步骤。希望对您有所帮助。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 25
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值