对抗神经网络(python-一维数据)

本文介绍了如何使用Python实现一维生成对抗网络(GAN)。参考了GitHub上的regressgan.py代码,并结合哔哩哔哩上的教程和TensorFlow官方文档,讲解了生成器和鉴别器模型的构建过程。
摘要由CSDN通过智能技术生成

参考:Create regressgan.py · starhou/One-dimensional-GAN@797e150 · GitHub(github上一个生成一维数据的代码)

           4.编写生成器模型和辨别器模型_哔哩哔哩_bilibili

           深度卷积生成对抗网络  |  TensorFlow Core(tensorflow官网)

先保存一下,########################

#noise_dim为生成假数据的组数,若为5,即生成5组噪声数据
#n为原始数据的组数,若为100,即为100组原始数据
#若fake_acc,real_acc为0.5左右,则说明生成的数据较好
import numpy as np
from numpy.random import rand,randn
import matplotlib.pyplot as plt
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

def get_real_samples(n):
    X1=rand(n)-0.5
  
  • 6
    点赞
  • 52
    收藏
    觉得还不错? 一键收藏
  • 18
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 18
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值