复现LLP-GAN代码（使用CIFAR-10数据集）

最新推荐文章于 2023-01-13 15:08:11 发布

原创

最新推荐文章于 2023-01-13 15:08:11 发布 · 698 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python #深度学习

本文介绍如何将CIFAR-10数据集从本地文件加载到Python环境中，适用于使用LLP-GAN项目的场景。文章详细说明了环境配置的要求，包括Python、TensorFlow和Keras等版本，并提供了具体的代码实现。

代码地址

LLP-GAN

CIFAR-10数据集

环境准备

python3.6
tensorflow1.14
keras2.2.5
其他的不用指定版本

数据集改为本地文件

环境准备好了以后，可以直接运行good-llp-gan.py，这里代码会去下载CIFAR-10数据集，会很慢，我们可以先下来来，然后本地直接加载。

下载好cifar-10-python.tar.gz，解压，放在dataset文件夹下。

load_local_cifar10.py

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

from tensorflow.keras import backend as K
import numpy as np
import os

import sys
from six.moves import cPickle


def load_batch(fpath, label_key='labels'):
    """Internal utility for parsing CIFAR data.

    # Arguments
        fpath: path the file to parse.
        label_key: key for label data in the retrieve
            dictionary.

    # Returns
        A tuple `(data, labels)`.
    """
    with open(fpath, 'rb') as f:
        if sys.version_info < (3,):
            d = cPickle.load(f)
        else:
            d = cPickle.load(f, encoding='bytes')
            # decode utf8
            d_decoded = {
   
   }
            for k, v in d.items():
                d_decoded[k.decode('utf8')] = v
            d = d_decoded
    data = d['data']
    labels = d[label_key]

    data = data.reshape(data.shape[0], 3, 32, 32)
    return data, labels


def load_data(ROOT):
    """Loads CIFAR10 dataset.
    # Returns
        Tuple of Numpy arrays: `(x_train, y_train), (x_test, y_test)`.
    """
    # dirname = 'cifar-10-batches-py'
    # o