![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GNN
文章平均质量分 96
盏云
这个作者很懒,什么都没留下…
展开
-
深度学习:GAN优化方法-DCGAN案例
目录案例1:鲜花生成具体实现数据展示数据分类(processdata.py)数据预处理(data.py;可反复使用)模型Generator,Discriminator,权重初始化(model.py)(1)导入包(2)Discriminator(3)Generator(4)权重初始化网络训练(net.py)主函数(main.py)(1)导入包(2)定义超参数(3)实例化(4)进行训练结果展示epoch=20epoch=100案例2: 动漫人脸生成数据集定义超参数定义生成器定义判别器训练生成器生成图片主函数结果原创 2021-10-19 19:27:06 · 2205 阅读 · 3 评论 -
深度学习:GAN案例练习-minst手写数字
目录)理论目标优化网络(定义损失)训练过程技巧代码1(保存生成图片、loss可视化)结果:代码2-BP全连接网络代码说明:判别网络生成网络定义损失函数和优化器定义两个计算loss函数训练流程函数开始训练结果epoch=10epoch=30代码代码3:判别-生成网络模型 cnn代码结果理论参考:GAN原理详解目标最终期望两个网络达到一个动态均衡:生成器生成的图像接近于真实图像分布,而判别器识别不出真假图像,对于给定图像的预测为真的概率基本接近0.5(相当于随机猜测类别)。目标:对于生成器来说,传给原创 2021-10-13 20:55:59 · 2116 阅读 · 0 评论