pytorch实现GAN代码详解

最新推荐文章于 2024-08-02 16:43:37 发布

yjyn1

最新推荐文章于 2024-08-02 16:43:37 发布

阅读量6k

点赞数 3

本文链接：https://blog.csdn.net/u012759006/article/details/81136437

版权

设置超参数。
(name, preprocess, d_input_func) = ("Data and variances", lambda data: decorate_with_diffs(data, 2.0), lambda x: x * 2)，这句话设置了一个name和两个函数preprocess和d_input_func，前者用于预处理data，后者用于将data乘2。
定义函数get_distribution_sampler()通过输入均值和方差，返回正态分布的torch张量，维数是n维。
定义函数get_generator_input_sampler()，无输入，返回m×n维的torch张量。
class Generator定义生成器，class Discriminator定义判别器。
定义函数extract()，用于将输入的v矩阵，转换为列表形式。
定义函数states()，返回d向量的平均值和标准差。
定义函数decorate_with_diffs()，第一行mean = torch.mean(data.data, 1, keepdim=True)用于返回按1维返回data.data的均值保存于mean；第二行mean_broadcast = torch.mul(torch.ones(data.size()), mean.tolist()[0][0])，torch.mul(input, value, out=None)函数用于标量值value乘以input中的所有值，因此mean_broadcast里保存了一组与data维度相同的均值矩阵；第三行diffs = torch.pow(data - Variable(mean_broadcast), exponent)，torch.pow(input, exponent, out