看DCGAN源代码 记录遇到的好玩的事情

DCGAN tensorflow实现版本

link

1. flags = tf.app.flags

TensorFlow通过设置flags来传递tf.app.run()所需要的参数

举例：

flags = tf.app.flags
flags.DEFINE_integer("epoch", 25, "Epoch to train [25]")
def main():
    XXX
if __name__ == '__main__':
    tf.app.run()

这段代码采用的是tensorflow库中自带的tf.app.flags模块实现命令行参数的解析。如果用终端运行tf程序，用上述两种方式都可以，如果用spyder之类的工具，会报错。

DCGAN
& >https://www.jianshu.com/p/a8f0b9c9dc58

---

2. 查看变量

举例：

def show_all_variables():
    model_vars = tf.trainable_variables()
    slim.model_analyzer.analyze_vars(model_vars, print_info=True)

tf.trainable_variables返回的是需要训练的变量列表
tf.all_variables返回的是所有变量的列表

https://blog.youkuaiyun.com/uestc_c2_403/article/details/72356448

好吧 我承认自己python也是半斤八两，哈哈 顺便记录一下python的

3. python 链表推导式

vars=['ab','ac','bd']
nn = [var for var in vars if 'a' in var]

输出nn：[‘ab’, ‘ac’]

4. python glob

from glob import glob
glob(pathname, recursive=False) 

第一个参数pathname为需要匹配的字符串。（该参数应尽量加上r前缀，以免发生不必要的错误）
第二个参数代表递归调用，与特殊通配符“**”一同使用，默认为False。
该函数返回一个符合条件的路径的字符串列表，如果使用的是Windows系统，路径上的“\”符号会自动加上转义符号变为“\”（方便使用）。
在3.5版本之后，glob函数支持一个特殊的通配符“**”，该通配符可以匹配指定路径里所有文件和目录，包括子目录里的所有文件和目录。相当于递归地调用了这个函数。使用这个通配符必须加上recursive=True参数。

http://python.jobbole.com/81552/

5. python 读入图像

import scipy
scipy.misc.imread(path).astype(np.float)

举例：

dataset_name='mnist',
input_fname_pattern='*.jpg',
datas = glob(os.path.join("./data", self.dataset_name, self.input_fname_pattern))#返回一个列表
img = scipy.misc.imread(datas[0]).astype(np.float) #返回一个图像
img_list = [scipy.misc.imread(data).astype(np.float) for data in datas] #返回该路径所有图像的集合列表

其中imread中有个flatten参数 用法如下
def imread(name, flatten=False, mode=None):
flatten : bool, optional；If True, flattens the color layers into a single gray-scale layer.
还有第二种方式

from PIL import Image
im = Image.open(path)

opencv来读的时候，一定要注意：：：读进来的三通道为BGR。

import cv2
img = cv2.imread(path)

其实还有很多 链接如下：

https://www.zhihu.com/question/48762352?from=profile_question_card

同时归一化[-1,1]快速方式:
img/127.5-1

6. python range & xrange

py3中取消了range 将xrange变为range
range返回的是一个包含所有元素的列表，xrange返回的是一个生成器

print(range(5))
#输出range(0,5)
print(list(range(5))) #相当于早起版本py2的range
#输出[0,1,2,3,4]

7. tensorflow leaky ReLU 实现

def lrelu(x, leak=0.2, name="lrelu"):
    return tf.maximum(x, leak*x)

8. python title()

title() 方法返回”标题化”的字符串,就是说所有单词都是以大写开始，其余字母均为小写(见 istitle())。

str = "this is string example....wow!!!";
print str.title();

以上实例输出结果如下：

This Is String Example....Wow!!!

http://www.runoob.com/python/att-string-title.html

2018年4月9日22:56:39时间不早了 先记录这一些吧~ 一晚上看了源代码，李宏毅老师的课还有一篇DCGAN论文。。。

---

开工咯~

9. python // % divmod

地板除：//除法不管操作数为何种数值类型，总是会舍去小数部分，返回数字序列中比真正的商小的最接近的数字。
divmod (a,b)，返回(a//b,a%b)
举例：

divmod(5,3)
#输出(1,2)

https://blog.youkuaiyun.com/sicofield/article/details/8613877

10.python np.squeeze

功能是剔除数组 a 中长度为 1 的轴。

11. python 动画生成

很有趣的一个玩法,直接将源代码贴上。更多说明请参考伯乐在线

# 生成动画的 用到了moviepy这个库
def make_gif(images, fname, duration=2, true_image=False):
  import moviepy.editor as mpy

  def make_frame(t):
    try:
      x = images[int(len(images)/duration*t)]
    except:
      x = images[-1]

    if true_image:
      return x.astype(np.uint8)
    else:
      return ((x+1)/2*255).astype(np.uint8)

  clip = mpy.VideoClip(make_frame, duration=duration)
  clip.write_gif(fname, fps = len(images) / duration)

注意的是images是[0,1]的array数组 [batch,h,w,c]的形式
比如我实现了一下，效果不错~

from glob import glob
import scipy
import os
from six.moves import xrange
import numpy as np


# 生成动画的 用到了moviepy这个库
def make_gif(images, fname, duration=2, true_image=False):
  import moviepy.editor as mpy

  def make_frame(t):
    try:
      x = images[int(len(images)/duration*t)]
    except:
      x = images[-1]

    if true_image:
      return x.astype(np.uint8)
    else:
      return ((x+1)/2*255).astype(np.uint8)

  clip = mpy.VideoClip(make_frame, duration=duration)
  clip.write_gif(fname, fps = len(images) / duration)


vars=['ab','ac','bd']
nn = [var for var in vars if 'a' in var]

paths = glob(os.path.join('C:\\Users\\Roc-Ng\\Pictures\\Camera Roll\\','*.jpg'))
imgs = [scipy.misc.imread(path) for path in paths]
imgs_array = np.array(imgs).astype(np.float)
imgs_array = imgs_array/255;
make_gif(imgs_array,'me.gif')

12. python numpy

习惯了matlab np中很多都不是很适应，记录下来

z = np.random.uniform(0, 1, size=(10))

生成一个一维数组 服从在[0,1]均匀分布，即z.shape = (10,)
即array[x,x,….,x]
而

z2 = np.random.uniform(0, 1, size=(10，1))

生成一个二维数组 服从在[0,1]均匀分布，即z2.shape = (10,1)
即array[[x],[x],[x],[x]….,[x]]
在matlab里面如果是
zm = randn(10);
生成一个10*10的均匀分布

np.tile() 沿着不同的方向进行复制

z_sample = np.tile(z, (64, 1))
# z_sample 大小为(64,10)
z_sample = np.tile(z2, (64, 1))
# z_sample 大小为(640,1)