GAN的简单实现--MNIST数据集+tensorflow

生成对抗网络（GAN）及其变种已经成为最近十年以来机器学习领域最为重要的思想。--2018图灵奖得主 Yann LeCun

GAN的基础知识复习：click here

GAN模型的挑战即训练优化：click here

1、模型简介及代码

本程序主要是采用最初GAN的基本原理，选择简单的二层神经网络以及MNIST数据集并基于tensorflow平台来实现，以求得对GAN的原理以及实现过程有一个更深入的理解。

程序框架及注释：

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import os
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec


sess = tf.InteractiveSession()
z_dim = 100
batchs= 128
mnist = input_data.read_data_sets("/home/zhaocq/桌面/tensorflow/mnist/raw/",one_hot=True)



def weight_variable(shape,name):
    initial = tf.random_normal(shape, stddev=0.01)
    return tf.Variable(initial,name = name)
def bias_variable(shape,name):
    initial = tf.zeros(shape)  #给偏置增加小的正值用来避免死亡节点比如
    #inital = tf.constant(0.1, tf.float32, shape)
    return tf.Variable(initial,name = name)
#生成器随机噪声100维
z = tf.placeholder(tf.float32,shape=[None,100],name = 'z')
#鉴别器准备MNIST图像输入设置
x = tf.placeholder(tf.float32,shape=[None,784],name = 'x')
#生成器参数定义
g_w1 = weight_variable([100,128],'g_w1')
g_b1 = bias_variable([128],'g_b1')