11、深度学习中的生成模型探索

深度学习中的生成模型探索

1. 样本数字可视化与重构

在处理样本数字时，首先可以对样本数字进行可视化。以下是可视化样本数字的代码：

NX <- melt(sample_image)
NX$X2 <- floor(NX$X2)
NX$X1 <- NX$X1 - 0.5
NX$X1 <- NX$X1 + 0.5
NX$X2 <- 28 - NX$X2
ggplot(data = NX, aes(X1, X2, fill = value)) +
  geom_tile() +
  facet_wrap(~X3, nrow = 1) +
  scale_fill_continuous(low = "black", high = "white") +
  coord_fixed(ratio = 1) +
  labs(y = NULL, z = NULL) +
  theme(legend.position = "none") +
  theme(plot.title = element_text(hjust = 0.5))

接着，使用最终得到的权重和偏差来重构这四个样本图像：

H1 <- tf.nn.sigmoid(tf.matmul(X, W) + b)
V2 <- tf.nn.sigmoid(tf.matmul(H1, tf.transpose(W)) + c)
feed <- sess.run(H1, feed_dict = dict(X = sample_image, W = prv_w, b