Matalb实现基于生成对抗网络（GAN）的图片生成——附代码

目录

摘要：

生成对抗网络的介绍：

生成对抗网络的训练方案：

生成对抗网络的构建：

（1）生成器网络：

（2）判别器网络：

本文模型运行结果展示：

本文Matlab代码分享： 

---

摘要：

生成对抗网络 (GAN) 是一种深度学习网络，它能够生成与真实输入数据具有相似特征的数据。本文基于Matlab平台，使用Matlab自带的深度学习工具箱和自带的训练数据，构建了卷积生成对抗网络（DCGAN），实现了对彩色图片的样本生成，其中生成器的输入是噪声序列，输出是生成的图片；判别器的输入是真实的图片和生成器生成的虚伪图片，输出是该图片是真实图片的概率。生成对抗网络训练过程中生成器和判别器互相对抗，最后到达平衡，即生成器生成的图片使得判别器无法判断是真实的还是虚假的。

一个GAN由两个一起训练的网络组成：

生成器 - 给定随机值（潜在输入）向量作为输入，此网络可生成与训练数据具有相同结构的数据。

判别器 - 给定包含来自训练数据和来自生成器的生成数据的观测值的数据批量，此网络尝试将观测值划分为"real"或"generated"。

本文注释清楚，几乎每一行都有注释，适合新手入门学习

生成对抗网络的介绍：

生成式对抗网络（GAN,GenerativeAdversarialNetworks）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：