G1:生成对抗网络入门

•   🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊

GAN（生成对抗网络）简介：

生成对抗网络（GAN） 是一种深度学习模型，由两部分组成

  生成器（Generator）：生成伪造数据

  判别器（Discriminator）：判断数据是否真实。

训练过程：

生成器产生假的数据（如图像），然后传给判别器

判别器将数据分为“真实”或“假的”

生成器的目标是让判别器认为它生成的假数据是真实的，而判别器的目标是正确判断数据的真假

核心思想：

生成器和判别器互相对抗，通过不断的训练，最终生成器能够生成足够“真实”的数据，骗过判别器

1.定义超参数

定义模型的超参数：

 n_epochs：训练轮数

 batch_size：每批次训练数据的数量

 lr：学习率

 b1、b2：Adam优化器的β值（控制动量）

 latent_dim：生成器输入的噪声维度

 img_size、channels：图像大小和通道数

 sample_interval：保存生成图片的间隔

import argparse
import os
import numpy as np
import torchvision.transforms as transforms
from torchvision.utils import save_image
from torch.utils.data import DataLoader
from torchvision import datasets
from torch.autograd import variable
import torch.nn as nn
import torch

#创建1文件夹
os.makedirs('./images/',exist_ok=True)
os.makedirs('./save/',exist_ok=