![](https://img-blog.csdnimg.cn/20201210143912592.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
GAN生成对抗网络
GAN全称对抗生成网络,顾名思义是生成模型的一种,而他的训练则是处于一种对抗博弈状态中的。
gemoumou
hello word
展开
-
GAN生成对抗网络-text to image原理与基本实现-文字转图像-11
实质上这是一个RNN的词语向量化模型 + 条件GAN首先用一个RNN网络来将文字转换为向量,然后将生成的文本向量加入到G和D网络中。与普通GAN不同的是,这里多了一种错误情况,即看上去挺真的,但是对应的描述与图不符合,也要给与惩罚。如果不加的话,那么D所能获得的信息仅仅是G的生成图,失去了判断图与描述是否符合的判断能力。为什么还需要噪声输入?这是因为一般情况下很多时候一句话就是描述内容(花的样子)的,而不会描述style(style主要是包括背景和姿态)。那么这种情况下我们就希望...原创 2020-12-22 21:26:01 · 2650 阅读 · 3 评论 -
GAN生成对抗网络-CycleGAN原理与基本实现-图像转换-10
CycleGAN的原理可以概述为:将一类图片转换成另一类图片 。也就是说,现在有两个样本空间,X和Y,我们希望把X空间中的样本转换成Y空间中的样本。(获取一个数据集的特征,并转化成另一个数据集的特征)这样来看:实际的目标就是学习从X到Y的映射。我们设这个映射为F。它就对应着GAN中的 生成器 ,F可以将X中的图片x转换为Y中的图片F(x)。对于生成的图片,我们还需要GAN中的 判别器 来判别它是否为真实图片,由此构成对抗生成网络在足够大的样本容量下,网络可以将相同的输入图像集合映..原创 2020-12-22 21:04:19 · 1358 阅读 · 0 评论 -
GAN生成对抗网络-PIX2PIXGAN原理与基本实现-图像翻译09
什么是pix2pix Gan普通的GAN接收的G部分的输入是随机向量,输出是图像;D部分接收的输入是图像(生成的或是真实的),输出是对或者错。这样G和D联手就能输出真实的图像。对于图像翻译任务来说,它的G输入显然应该是一张图x,输出当然也是一张图y。不需要添加随机输入。对于图像翻译这些任务来说,输入和输出之间会共享很多的信息。比如轮廓信息是共享的。如果使用普通的卷积神经网络,那么会导致每一层都承载保存着所有的信息,这样神经网络很容易出错。U-Net也是Encoder-Decode原创 2020-12-22 20:48:09 · 1380 阅读 · 0 评论 -
GAN生成对抗网络-SSGAN原理与基本实现-半监督学习GAN-08
原创 2020-12-19 22:26:49 · 2383 阅读 · 1 评论 -
GAN生成对抗网络-WGAN原理与基本实现-wasserstein GAN-07
import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport globimport osos.listdir('../input/anime-faces/data/data')[:10]...原创 2020-12-19 22:07:09 · 578 阅读 · 6 评论 -
GAN生成对抗网络-INFOGAN原理与基本实现-可解释的生成对抗网络-06
代码import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport globgpu = tf.config.experimental.list_physical_devices(device_type=...原创 2020-12-19 21:45:05 · 357 阅读 · 0 评论 -
GAN生成对抗网络-ACGAN原理与基本实现-条件生成对抗网络05
ACGAN介绍案例一import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport globgpu = tf.config.experimental.list_physical_devices(device_type=原创 2020-12-17 20:59:21 · 1727 阅读 · 1 评论 -
GAN生成对抗网络-CGAN原理与基本实现-条件生成对抗网络04
CGAN - 条件GAN原始GAN的缺点原创 2020-12-14 23:27:17 · 1149 阅读 · 0 评论 -
GAN生成对抗网络-DCGAN原理与基本实现-深度卷积生成对抗网络03
什么是DCGAN原创 2020-12-12 14:33:53 · 504 阅读 · 1 评论 -
GAN生成对抗网络-GAN原理与基本实现-入门实例02
什么是GAN实现代码import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport globimport os# 显存自适应分配gpus = tf.config.experimental.list_phy原创 2020-12-10 23:38:03 · 546 阅读 · 0 评论 -
GAN生成对抗网络-GAN原理与基本实现-去噪与卷积自编码器01
基本去噪自编码器import tensorflow as tfimport matplotlib.pyplot as pltimport numpy as np# 显存自适应分配gpus = tf.config.experimental.list_physical_devices(device_type='GPU')for gpu in gpus: tf.config.experimental.set_memory_growth(gpu,True)gpu_ok =...原创 2020-12-10 21:17:35 · 1544 阅读 · 1 评论