【学习笔记】GAN模型的学习（6）------decoder

最新推荐文章于 2023-06-01 10:17:17 发布

偶遇一只核桃

最新推荐文章于 2023-06-01 10:17:17 发布

阅读量298

点赞数

分类专栏：学习笔记

本文链接：https://blog.csdn.net/qq_41799105/article/details/117440750

版权

本文详细介绍了GAN模型中Decoder的构建过程，包括残差网络的定义、上采样模块的设计以及Decoder的主要步骤。首先，通过扩展-卷积-标准化的操作构成残差网络。接着，利用上采样模块恢复图像尺寸。Decoder核心部分由9层残差网络和4层上采样模块组成，最终通过卷积和激活函数得到输出。

摘要由CSDN通过智能技术生成

一定义了一个残差网络

        def residual_block(x, n_filters, kernel_size=3, strides=1, actv=actv):
            init = tf.contrib.layers.xavier_initializer()
            # kwargs = {
   'center':True, 'scale':True, 'training':training, 'fused':True, 'renorm':False}
            strides = [1,1]
            identity_map = x

            p = int((kernel_size-1)/2)
            res = tf.pad(x, [[0, 0], [p, p], [p, p], [0, 0]], 'REFLECT')
            res = tf.layers.conv2d(res, filters=n_filters, kernel_size=kernel_size, strides=strides,
                    activation=None, padding='VALID')
            res = actv(tf.contrib.layers.instance_norm(res))

            res = tf.pad(res<