大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
『cs231n』通过代码理解gan网络&tensorflow共享变量机制_上
一、计算图效果以及实际代码实现
计算图效果
实际模型实现
相关介绍移步我的github项目。
二、生成器与判别器设计
生成器
相关参量,
噪声向量z维度:100
标签向量y维度:10(如果有的话)
生成器features控制参量gf标量值:64
生成器features控制参量gfc标量值:1024
无标签训练,
100 -线性层->
4*4*8*64 -转置卷积-> 4,4,8*64 -转置卷积-> 8,8,4*64 -转置卷积-> 16,16,2*64 -转置卷积-> 32,32,64 -转置卷积->
64,64,3
含标签训练,所谓的concat实际就是把features和y进行拼接,
新参量:
z=110,yb = 1,1,10
110 -线性层->
1024 -concat->
1034 -线性层->
16*16*2*64 -reshape->
16,16,128 -concat->
16,16,138 -转置卷积->
32,32,128 -concat->
32,32,138 -转置卷积->
64,64,3
判别器
相关参量,
图片维度:64,64,3
标签向量y维度:10(如果有的话)
生成器features控制参量df标量值:64
生成器features控制参量dfc标量值:1024
无标签训练,
64,64,3 -conv-> 32,32,64 -conv-> 16,16,64*2 -conv-> 8,8,64*4 -conv->
4,4,64*8 -reshape->
4*4*64*8 -线性层-> 1
含标签训练,
新参量:
x = 64,64,13,yb = 1,1,10
64,64,13 -conv-> 32,32,13 -concat->
32,32,23 -conv->
16,16,74 -reshape->
16*16*74 -concat->
16*16*74+10 -线性层->
1024 -concat->
1034 -线性层-> 1
三、结果查看
生成器损失
判别器real损失
判别器fake损失
判别器总损失
从训练过程中来看,经历了初期的下降之后,几个loss值均会在波动中维持一个动态平衡,而GAN的loss值并不能直接反应训练结果,所以我们需要直接看输出图。
本次实验中一功运行了23个epoch,这里给出每个epoch开始的输出以及最后的的一张输出,以供参考:
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/166708.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...