几个DCGAN的keras实现对比（二）——《生成对抗网络入门指南》中的DCGAN

《生成对抗网络入门指南》中的DCGAN，书上没有给出代码的Github链接，只好手打。

from keras.datasets import mnist
from keras.layers import Input,Dense,Reshape,Flatten,Dropout
from keras.layers import BatchNormalization,Activation,ZeroPadding2D
from keras.layers.advanced_activations import LeakyReLU
from keras.layers.convolutional import UpSampling2D,Conv2D
from keras.models import Sequential,Model
from keras.optimizers import Adam,RMSprop
import numpy as np
import random
import os
from PIL import Image
import matplotlib.pyplot as plt
from utils.args_utils import *
from utils.image_utils import *
"""
《生成对抗网络入门指南》中的DCGAN
"""
class DCGAN():
    def __init__(self):
        self.img_rows=28
        self.img_cols=28
        self.channels=1
        self.img_shape=(self.img_rows,self.img_cols,self.channels)
        self.latent_dim=100
        self.lr=0.0002
        self.beta=0.5
        optimizer=Adam(self.lr,self.beta)
        #构建判别器
        self.discriminator=self.build_discriminator()
        #编译判别器，如果这里指定了metrics，例如metrics=['accuracy']，后面train_on_batch时就会有两列，一个是loss，一个是accuracy
        self.discriminator.compile(loss='binary_crossentropy',optimizer=optimizer)
        #构建生成器
        self.generator=self.build_generator()
        #生成图像
        z=Input(shape=(self.latent_dim,))
        img=self.generator(z)
        #固定判别器
        self.discriminator.trainable=False
        #判别图像
        valid=self.discriminator(img)
        #combine模型包含固定住的判别器和生成器
        self.combined=Model(