GAN生成对抗网络的TensorFlow实现

猪猪侠夏尔

于 2017-12-22 20:15:40 发布

阅读量1.5k

点赞数

分类专栏： TensorFlow 文章标签： TensorFlow 机器学习神经网络

本文链接：https://blog.youkuaiyun.com/ciel_monkingjay/article/details/78876466

版权

本文回顾了生成对抗网络（GAN）的基本概念，重点解析了一个使用TensorFlow实现的GAN模型，其中包括生成器和判别器的代码实现。同时，文章提及了tf.truncated_normal_initializer与tf.random_normal函数的不同之处，为学习GAN的读者提供了实践参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在回顾过去所学的知识，生成对抗网络算是主要的研究方向之一，今天突然看到了很久之前的一份代码，拿出来复习一下生成对抗网络的基本思路，也给想要研究这个方向的同学一点参考。

生成对抗网络本质上就是生成器和判别器相互对抗。下面是判别器的代码

def discriminator(images, reuse=None):
    with tf.variable_scope(tf.get_variable_scope(), reuse=reuse) as scope:
        # 卷积 + 激活 + 池化
        d_w1 = tf.get_variable('d_w1',[5,5,1,32],initializer=tf.truncated_normal_initializer(stddev=0.02))
        d_b1 = tf.get_variable('d_b1',[32],initializer=tf.constant_initializer(0))
        d1 = tf.nn.conv2d(input=images,filter=d_w1,strides=[1,1,1,1],padding='SAME')
        d1 = d1 + d_b1
        d1 = tf.nn.relu(d1)
        d1 = tf.nn.avg_pool(d1,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')

        # 卷积 + 激活 + 池化
        d_w2 = tf.get_variable('d_w2',[5,5,32,64],initializer=tf.truncated_normal_initializer(

最低0.47元/天解锁文章