cc学习心得

（6月1日发，29日和30日是周末，休息。6月1日主要做项目工作）

5-28

python读取本地文件的格式：
csv、h5、npy、npz、txt（python直接读取）
mat、xlsx、xml（不可直接读取，可能有误，后面用到的时候再来改）
python读取mat文件，并转为csv文件：
import pandas as pd
import scipy
from scipy import io

features_struct = scipy.io.loadmat(‘E:/workspacelxr/contem/data.mat’)
features = features_struct[‘data’]
dfdata = pd.DataFrame(features)
datapath1 = ‘E:/workspacelxr/contem/data.txt’
dfdata.to_csv(datapath1, index=False)

*5-31

1.读取npz文件的数据种类
import numpy as np
data = np.load(‘E:/GAN+SAE/北大-tensorflow2.0/myself/mnist.npz’)
data.files
print(data.files)
输出：

读取npz文件，并给其中的一个数据集赋值：
real_data = np.load(‘E:/GAN+SAE/北大-tensorflow2.0/myself/mnist.npz’)
X_train = real_data[‘x_train’]

2.生成对抗网络(Generative Adversarial Network)
2.1生成器（Generator）
生成器的训练要依靠判别器，第一代生成器将生成结果输入，然后将结果输入到第一代判别器中进行判断，
生成器根据判断结果更新参数，得到第二代生成器，理论上训练好的生成器可以骗过前一代判别器，换句话说，
判别器会将生成器生成的假结果认为是真。所以训练生成器时要将判别器锁住，不更新其参数。
2.2判别器
训练判别器时要固定生成器，将真实数据和生成器生成的假数据打上标签，（真实数据为1，假的数据为0）输入到判别器中，
对于真实数据，尽量打高分；对于假数据，尽量打低分。