问题描述
- 当我们在训练生成模型时,如何方便的观察生成图像的质量-----毫无疑问动态是最好的效果!
IPython中的display模块
- Ipython中的display模块可以很好的控制jupyter notebook中每个cell的输出,我们通过控制“生成图片和清除图片”来达到gift的效果
代码——以MNIST数据集为例
import numpy as np
import tensorflow as tf
from IPython import display
import matplotlib.pyplot as plt
(train_image,_),(_,_) = tf.keras.datasets.mnist.load_data()
np.random.seed(1)
np.random.shuffle(train_image)
for i in range(16):
plt.imshow(train_image[i,:,:],cmap='gray')
display.clear_output(wait=True)
plt.show()
效果
- 这里直接展示他在生成模型中的作用(GAN),上述代码的效果很简单不再展示,下动图是DCGAN模型生成图片的过程。