【tensorflow2.x】使用 wgan-gp 生成 mnist 手写数字

原创

已于 2022-07-30 12:26:47 修改 · 574 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习 #python #GAN #计算机视觉

于 2022-07-30 11:12:25 首次发布

该博客介绍了如何实现Wasserstein GAN with Gradient Penalty（WGAN-GP）来训练MNIST数据集。代码中定义了Generator和Discriminator模型，并通过TensorFlow进行训练。训练过程中，计算了生成器和判别器的损失，同时应用了梯度惩罚以稳定训练过程。每10个训练周期保存一次生成的图像。

import tensorflow as tf
import numpy as np
import cv2

class Generator(tf.keras.Model):
    def __init__(self):
        super(Generator, self).__init__()
        self.fc = tf.keras.Sequential([
            tf.keras.layers.Dense(128, activation='relu'),
            tf.keras.layers.Dense(512, activation='relu'),
            tf.keras.layers.Dense(28 * 28, activation='sigmoid'),
        ])

    def call(self, inputs):
        return self.fc(inputs)

class Discriminator(tf.keras.Model):
    def __init__(self):
        super(Discriminator, self).__init__()
        self.fc = tf.keras.Sequential([
            tf.keras.layers.Dense(512, activation='relu'),
            tf.keras.layers.Dense(128, activation='relu'),
            tf.keras.layers.Dense(