GAN学习 | ACGAN TensorFlow代码解读

目录

代码解读

小白总结如下

1.接下来工作

2.可借鉴的代码块写法

---

本文是针对MNIST手写数据的 ac_gan_tensorflow.py的代码解读，全文按py代码顺序依次解读，对于理解acgan的基本原理有很大的帮助，可以直接运行，但实际操作应该配合其他的网络架构或者improve technique。

代码解读

line1-6  import需要的库

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np  # 定义矩阵
import matplotlib.pyplot as plt  # 画图
import matplotlib.gridspec as gridspec  # 定义网格
import os

line 9-18 load MNIST数据 & 定义关键参数

mnist = input_data.read_data_sets('../MNIST', one_hot=True)

mb_size = 32
X_dim = mnist.train.images.shape[1]  # 图像维度 [数据量，图像维度]
y_dim = mnist.train.labels.shape[1]  # Label 数据长
z_dim = 10  # 噪音维度
h_dim = 128  # 中间层神经元数
eps = 1e-8  # 定义一个很小的数 +eps 可保证不为0
lr = 1e-3  # 学习率
d_steps = 3  # 没用到

其中，读取MNIST数据时，需要将二进制的MNIST数据download完成放在"MNIST"文件夹中

line 21- 34 定义plot 函数 （可作为代码块之后自己用）

def plot(samples):
    fig = plt.figure(figsize=(4, 4))
    gs = gridspec.GridSpec(4, 4)
    gs.update(wspace=0.05, hspace=0.05)

    for i, sample in enumerate(samples):
        ax = plt.subplot(gs[i])
        plt.axis('off')
        ax.set_xticklabels([])
        ax.set_yticklabels([])
        ax.set_aspect('equal')
        plt.imshow(sample.reshape(28, 28), cmap='Greys_r')  # cmp:

    return fig

line 37-40 定义xavier 初始化函数

def xavier_init(size):
    in_dim = size[0]
    xavier_stddev = 1. / tf.sqrt(in_dim / 2.)
    return tf.random_norma