DCGAN实战记录

一开始参考博客学习笔记：GAN和DCGAN入门 并在github上下载了代码。

根据该博主的教程直接上自己的数据集（很小，一百多张图片） 

有几个令人头疼的bug：

目录

NameError: name 'j' is not defined

每次训练生成的图片呢？

自动load之前的checkpoint

如何查看训练过程中的损失曲线

训练好的模型，想要调用checkpoint进行测试

生成单张图片

修改损失函数和优化函数

---

NameError: name 'j' is not defined

在该链接中找到了组织，也尝试按照大家都说好的解决办法修改

1,2觉得是有用的，但3还是有问题，而且觉得该解决方案给的程序问题很大，cropped_image压根没用啊为啥大家都说好？

于是继续找解决方案，又回到了一开始的博客中，发现po出的代码和现在github上的还是有很大的出入的，尤其是被大家改来改去的transform函数，好歹用上了cropped_image！于是果断复制粘贴，可以成功运行了

 

每次训练生成的图片呢？

这里一开可能是我没有理解原程序的规则，以为每个epoch都会有图片，而我都训练到了五十多了sample还是空的，就觉得很绝望，到处找解决办法，发现了另一个博客（强推！！），其中po出了四个py文件的全部代码，发现与自己的也有很大出入，于是再一次复制粘贴，解决了一个小bug：main.py中line14改成

flags.DEFINE_float("train_size", np.inf, "The size of train images [np.inf]")

有图片了！然而似乎都是训练后生成的test图片，不是文章中那样的训练过程中生成的图片。

冷静分析，总结如下：

1. 在model.py line288中原程序规定每100个batch保存一次训练图片，而自己的样本数太少，故图像生成频率过低或干脆不生成训练过程中的图像！（可能之前的程序并没问题hhh）

if np.mod(counter, 100) == 1:

2. batch_size需要为完全平方数，不然会出现one_pic_error的报错，也可以根据网友说的修改utils.py的代码：

def image_manifold_size(num_images):
  #manifold_h = int(np.floor(np.sqrt(num_images)))
  #manifold_w = int(np.ceil(np.sqrt(num_images)))
  manifold_w = int(16) 
  manifold_h = int(num_images/16)
  assert manifold_h * manifold_w == num_images
  return manifold_h, manifold_w

不懂为什么要是16，应该可以改成别的。 最后打算就用64作为batch_size算了，然后修改生成sample的频率为10

if np.mod(counter, 10) == 1:

自动load之前的checkpoint

如果不是真的要基于前面的训练结果再训练，就把之前的 checkpoint文件删除再重新训练

如何查看训练过程中的损失曲线

一开始以为程序中并没有相关代码，才发现其实是在ops.py中用到了tensorflow自带的tensorboard功能，见https://blog.csdn.net/duanlianvip/article/details/98498826

然而报错：ImportError: cannot import name '_message'

根据文章在cmd输入