对抗神经网络测试代码

对抗神经网络的报错——tf.conrrol_dependencies()

为了学习对抗神经网络，自己写了一个极为简单的对抗神经网络代码，不为生成图片，就为熟悉对抗神经网络的过程原理。代码很简单，但是错误频出，这里记录一下目前遇见最大且还没有解决的问题，如果高手光临，忘不吝赐教，真的是不胜感激。问题解决后我再更新下文章，供大家参考。

一、先描述下问题吧
程序报错：
You must feed a value for placeholder tensor ‘Placeholder_2’ with dtype float and shape [?,28,28,1]
[[Node: Placeholder_2 = Placeholderdtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/cpu:0"]]

placeholder_2是一个生成器输入的占位符，定义的时候是个二维的，一会儿详细看程序吧

二、我的环境
1、小米游戏本+deepin15.7系统
2、python3.6+tensorflow1.3-gpu版，不过配置出现了问题，好在我的程序也不大，系统提示我找不到gpu，暂改为cpu加速，意思大概是tensorflow-gpu版当成cpu版使用。
3、编译器：jupyter notebook

三、这是我的程序

mport pickle as pkl
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

# 占位符
def model_placeholder(size_noise):
    # size_noise: 噪声尺寸
    learning_rate = tf.placeholder(tf.float32)
    input_noise = tf.placeholder(tf.float32, (None, size_noise))
    input_real = tf.placeholder(tf.float32, (None, 28, 28, 1))
    return (learning_rate, input_noise, input_real)

# 辨别器
def Discriminator(inputs, alpha, reuse):
    # inputs: 辨别器的输入，真实图片和生成图片 
    # alpha: leaky relu参数
    # reuse:
    with tf.variable_scope('discriminator', reuse = reuse):
        x1 = tf.layers.conv2d(inputs, filters = 64, strides = 4, kernel_size=4, padding = 'same')
        x1 = tf.maximum(alpha*x1, x1)
        
        x2 = tf.layers.conv2d(x1, filters = 128, strides = 2, kernel_size = 2, padding = 'same')
        x2 = tf.layers.batch_normalization(x2, training = True)
        x2 = tf.maximum(alpha*x2, x2)
        
        x3 = tf.reshape(x2, (-1, 128*4*4))
        logits = tf.layers.dense(x3,1)
        out = tf.sigmoid(logits)
        
        return (logits, out)
        
# 生成器
def Generator(inputs, alpha, reuse, training = True):
    # inputs: 噪声
    # alph