深度学习DCGan学习笔记，keras版

最新推荐文章于 2024-04-22 23:13:53 发布

姚贤贤

最新推荐文章于 2024-04-22 23:13:53 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： keras dcgan 对抗生成网络反卷积图片生成

本文链接：https://blog.youkuaiyun.com/u011311291/article/details/82257918

机器学习专栏收录该内容

85 篇文章

订阅专栏

博客介绍了Keras版本的对抗生成网络Gan变体集合中的DCGAN。它有Generator和Discriminator，可利用MNSIT训练生成图片。与GAN不同，DCGAN增加反卷积以生成更好图片，采用BatchNormalization防止梯度消失和过拟合，还给出代码引用位置。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对抗生成网络Gan变体集合 keras版本

一.DCGAN(Deep Convolutional GAN)

依旧有Generator,Discriminator,可使用MNSIT训练生成图片。

和GAN的不同:
1.增加了反卷积，能生成更好的图片，但依旧还是2分类，判断是不是手写数字。
2.采用了BatchNormalization 防止梯度消失和过拟合

代码引用的《Web安全之强化学习与GAN》，位置:
https://github.com/duoergun0729/3book/tree/master/code/keras-dcgan.py

生成器G代码:

def generator_model():
    model = Sequential()
    model.add(Dense(input_dim=100, units=1024))
    model.add(Activation('tanh'))
    model.add(Dense(128*7*7))
    model.add(BatchNormalization())
    model.add(Activation('tanh'))
    model.add(Reshape((7, 7, 128), input_shape=(128*7*7,)))
    model.add(UpSampling2D(size=(2, 2)))
    model.add(Conv2D(64, (5, 5), padding='same'))
    model.add(Activation('tanh'))
    model.add(UpSampling2D(size=(2, 2)))
    model.add(Conv2D(1, (5, 5), padding='same'))
    model.add(Activation('tanh'))
    return model

判别器D代码:

def discriminator_model():
    model = Sequential()
    model.add(
            Conv2D(64, (5, 5),
            padding='same',
            input_shape=(28, 28, 1))
            )
    model.add(Activation('tanh'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Conv2D(128, (5, 5)))
    model.add(Activation('tanh'))
    model.add(MaxPooling2D(pool_size=(2, 2)))
    model.add(Flatten())
    model.add(Dense(1024))
    model.add(Activation('tanh'))
    model.add(Dense(1))
    model.add(Activation('sigmoid'))
    return model

训练图:
这里写图片描述