基于DCGAN生成手写数字--pytorch

最新推荐文章于 2023-04-27 12:10:48 发布

原创

最新推荐文章于 2023-04-27 12:10:48 发布 · 840 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #计算机视觉

本文详细介绍了如何使用深度卷积生成对抗网络（DCGAN）改进GAN模型，通过深度卷积网络替换全连接网络，以提高MNIST数据集图像生成的质量。展示了从数据预处理到模型训练的完整代码，并展示了训练250个epoch后的结果。

DCGAN对GAN的改善在于使用深度卷积网络代替全连接网络

全部代码：

import torch
from torch import nn
from torchvision.datasets import MNIST
from torch.utils.data import DataLoader,Dataset
import torchvision
import os
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

class Discirmintor(nn.Module):
    def __init__(self):
        super(Discirmintor, self).__init__()
        # 28,28,1 ---> 14,14,32
        self.conv1=nn.Conv2d(in_channels=1,out_channels=32,kernel_size=3,stride=2,padding=1)
        self.bn1=nn.BatchNorm2d(num_features=32,momentum=0.8)
        # 14,14,32 ---> 7,7,64
        self.conv2=nn.Conv2d(in_channels=32,out_channels=64,kernel_size=3,stride=2,padding=1)
        self.bn2=nn.BatchNorm2d(num_features=64,momentum=0.8)
        # 7,7,64 ---> 3,3,128
        self.conv3=nn.Conv2d(in_channels=64,out_channels=128,kernel_size=3,stride=2,padding=1)
        self.bn3=nn.BatchNorm2d(num_features=128,momentum=0.8)
        # 3,3,128 ---> 1,1,128
        self.avg=nn.AvgPool2d(kernel_size=3)
        self.flatten=nn.Flatten()

        self.fc=nn.Linear(128,1)
        self.lr=nn.LeakyReLU(0.2)
        self.sigmoid=nn.Sigmoid