基于keras的CGAN手把手代码教学＋注释

最新推荐文章于 2023-05-10 13:09:37 发布

原创

最新推荐文章于 2023-05-10 13:09:37 发布 · 1.6k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #神经网络

该博客介绍了一个使用Keras实现条件生成对抗网络（CGAN）的详细步骤，包括生成器和判别器的构建，以及训练过程。通过CGAN，可以生成MNIST数据集中不同类别的手写数字图像。代码附带了详细的注释，并提供了视频教程链接，方便读者边学边练。

基于keras的CGAN手把手代码教学＋注释

代码如下
视频手把手教学

代码如下


# CGAN_0412 by plus_left
# 2021/4/12

from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense, LeakyReLU, BatchNormalization, Reshape
from tensorflow.keras.layers import Input, Embedding, Flatten, multiply, Dropout
from tensorflow.keras.datasets import mnist
from tensorflow.keras.optimizers import Adam

import matplotlib.pyplot as plt

import numpy as np


class CGAN():
    def __init__(self):

        # 写入输入维度
        self.img_rows = 28
        self.img_cols = 28
        self.img_channels = 1
        self.img_shape = (self.img_rows, self.img_cols, self.img_channels)

        self.num_classes = 10  # 类别数
        self.latent_dim = 100

        optimizer = Adam(0.0002, 0.5)

        self.generator = self.build_generator()
        self.discriminator = self.build_discriminator()
        self.discriminator.compile(loss=['binary_crossentropy'],
                                   optimizer=optimizer,
                                   metrics=['accuracy'])

        self.discriminator.trainable = False
        noise = Input(shape=(100,))
        label = Input(shape=(1,))

        img = self.generator([noise, label])

        valid = self.discriminator([img, label])

        self.combined = Model([noise, label], valid)
        self.combined.compile(loss=['binary_crossentropy'