【人工智能笔记】第三十五节：TF2实现VITGAN对抗生成网络，MLP 实现

关注

原创最新推荐文章于 2026-08-01 16:46:42 发布 327 阅读 AI 写同款· GEO 优化 ›

VS2022命令行编译C++报错？一招解决‘fatal error C1034: iostream: 不包括路径集‘ 本文针对VS2022命令行编译C++时常见的'fatal error C1034: iostream: 不包括路径集'错误，深入剖析了其根源在于环境变量缺失。文章提供了永久配置用户环境变量（PATH、INCLUDE、LIB）的一劳永逸解决方案，确保在任何终端中都能直接使用cl命令进行编译，并给出了进阶配置与常见错误排查指南。阅读详情

网络结构图
该章节介绍VITGAN对抗生成网络中，MLP 部分的代码实现。

目录（文章发布后会补上链接）：

MLP 简介

Generator生成器
MLP层由两层全连接组成，中间加上gelu激活函数。其中ISN层在判别器中会用到，在后面章节实现。

代码实现

import tensorflow as tf
import sys

sys.path.append('')

from models.isn import ISN


class MLP(tf.keras.layers.Layer):
    def __init__(
        self,
        d_model,
        discriminator,
        dropout,
    ):
        super().__init__()
        self.discriminator = discriminator  # 是否鉴别器
        self.dn1 = tf.keras.layers.Dense(d_model*4, use_bias=False, activation='relu', kernel_regularizer='l2')
        self.dropout1 = tf.keras.layers.Dropout(dropout)
        self.dn2 = tf.keras.layers.Dense(d_model, use_bias=False, kernel_regularizer='l2')
        self.dropout2 = tf.keras.layers.Dropout(dropout)
        if discriminator:
            self.dn1 = ISN(self.dn1)
            self.dn2 = ISN(self.dn2)

    def call(self, x, training):
        x = self.dn1(x)
        x = tf.nn.gelu(x)
        x = self.dropout1(x, training=training)
        x = self.dn2(x)
        x = self.dropout2(x, training=training)
        return x


if __name__ == "__main__":
    layer = MLP(
        d_model=768,
        discriminator=False,
        dropout=0.0,
    )
    x = tf.random.uniform([2, 5, 128], dtype=tf.float32)
    o1 = layer(x)
    tf.print('o1:', tf.shape(o1))