Pytorch GAN入门实战---生成MNIST手写数据集代码实现

码农男孩

已于 2022-04-30 21:01:17 修改

阅读量3.5k

点赞数 19

CC 4.0 BY-SA版权

分类专栏： GANs 文章标签：人工智能深度学习神经网络生成对抗网络

于 2022-03-30 19:23:29 首次发布

本文链接：https://blog.youkuaiyun.com/m0_62128864/article/details/123853830

本文是一篇关于Pytorch实现生成对抗网络（GAN）的入门教程，通过实例讲解如何生成MNIST手写数据集。首先介绍加载MNIST数据，接着详细阐述生成器和鉴别器的创建，然后初始化模型并训练，最后展示运行结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基础GAN的原理还不懂的，先看：生成式对抗神经网络（GAN）原理给你讲的明明白白

一、加载数据

# 数据归一化
transform = transforms.Compose([
    transforms.ToTensor(),  
    transforms.Normalize(0.5, 0.5)  
])
# 加载内置数据  
train_ds = torchvision.datasets.MNIST('data',   # 当前目录下的data文件夹
                                     train=True,  # train数据
                                     transform=transform,
                                     download=True)

dataloader = torch.utils.data.DataLoader(train_ds, batch_size=64, shuffle=True)

没有下载过MNIST数据集的直接用上面的代码，会自动下载，下载速度看人品~~~~~
有MNIST数据集的，把数据文件放在程序目录下，代码中的‘data’更改为你的文件名，download改为False
自行数据下载地址：https://download.youkuaiyun.com/download/m0_62128864/85045154?spm=1001.2014.3001.5501

二、创建生成器

# 定义生成器
# 输入是长度为100的噪声（正态分布随机数）
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.gen = nn.Sequential(nn.Linear(100, 256),  
                                 nn.ReLU(),
                                 nn.Linear(256, 512),
                                 nn.ReLU(),
                                 nn.Linear(512, 28 * 28),
                                 nn.Tanh()
                                 )


     # 定义前向传播 x表示长度为