深度学习生成模型-DCGAN

最新推荐文章于 2024-03-13 15:16:36 发布

weixin_43654661

最新推荐文章于 2024-03-13 15:16:36 发布

阅读量675

点赞数

分类专栏：深度学习文章标签：生成模型

本文链接：https://blog.csdn.net/weixin_43654661/article/details/88358524

版权

DCGAN是GAN的一种变体，结合了CNN的优势，适用于图像生成。本文介绍了DCGAN的原理，生成器和鉴别器的实现，以及训练过程。生成器使用Sequential模型，鉴别器接收图像并判断真假，训练过程中，通过不断迭代优化生成器和鉴别器的损失函数，最终达到真假图像难以区分的状态。

摘要由CSDN通过智能技术生成

原理分析

DCGAN 和GAN的原理是相同的，就是DCGAN和CNN结合，用CNN更有利于图形处理。
关于GAN的原理可以看一下这篇博客：GAN新手入门指南+keras&TensorFlow代码详解（WIN10）

然后我们可以具体看一下model实现：

实现生成器

这是最简单的Keras Sequnatial模型，我们可以发现他的输入为(None, 100)，而输出则是(None, 28, 28, 1)。看到28就知道这是一个关于生成手写数字的GAN模型。

def make_generator_model():
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Dense(7 * 7 * 256, use_bias=False, input_shape=(100,)))
    model.add(tf.keras.layers.BatchNormalization())
    model.add(tf.keras.layers.LeakyReLU())

    model.add(tf.keras.layers.Reshape((7, 7, 256)))
    assert model.output_shape == (None, 7, 7, 256)  # Note: None is the batch size

    model.add(tf.keras.layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias=False))
    assert model.output_shape == (None