Scipy 高端科学计算:http://blog.chinaunix.net/uid-21633169-id-4437868.html
import os #引用操作系统函数文件
import scipy.misc #引用scipy包misc模块 图像形式存取数组
import numpy as np #引用numpy包 矩阵计算
from model import DCGAN #引用model文件DCGAN类
from utils import pp, visualize, to_json, show_all_variables #引用utils文件pp对象,visualize, to_json, show_all_variables方法
import tensorflow as tf #引用tensorflow
flags = tf.app.flags #接受命令行传递参数,相当于接受argv。第一个是参数名称,第二个参数是默认值,第三个是参数描述
flags.DEFINE_integer("epoch", 25, "Epoch to train [25]") #训练轮数 25
flags.DEFINE_float("learning_rate", 0.0002, "Learning rate of for adam [0.0002]") #adam优化器 学习速率 0.0002
flags.DEFINE_float("beta1", 0.5, "Momentum term of adam [0.5]") #adam优化器 动量(参数移动平均数) 0.5
flags.DEFINE_integer("train_size", np.inf, "The size of train images [np.inf]") #训练画像尺寸,默认无限大正数
flags.DEFINE_integer("batch_size", 64, "The size of batch images [64]") #图像批大小 64
flags.DEFINE_integer("input_height", 108, "The size of image to use (will be center cropped). [108]") #输入图像高度 108 均衡的缩放图像(保持图像原始比例),使图片的两个坐标(宽、高)都大于等于 相应的视图坐标(负的内边距)。图像则位于视图的中央。
flags.DEFINE_integer("input_width", None, "The size of image to use (will be center cropped). If None, same value as input_height [None]") #输入图像宽度,None与高度相同
flags.DEFINE_integer("output_height", 64, "The size of the output images to produce [64]") #输出图像高度 64
flags.DEFINE_integer("output_width", None, "The size of the output images to produce. If None, same value as output_height [None]") #输出图像宽度,None与高度相同
flags.DEFINE_string("dataset", "celebA", "The name of dataset [celebA, mnist, lsun]") #数据集名称 celebA mnist lsun
flags.DEFINE_string("input_fname_pattern", "*.jpg", "Glob pattern of filename of input images [*]") #图片文件名的搜索扩展名
flags.DEFINE_string("checkpoint_dir", "checkpoint", "Directory name to save the checkpoints [checkpoint]") #检查点目录名
flags.DEFINE_string("sample_dir", "samples", "Directory name to save the image samples [samples]") #图片样本保存目录名
flags.DEFINE_boolean("train", False, "True for training, False for testing [False]") #训练流程开关
flags.DEFINE_boolean("crop", False, "True for training, False for testing [False]") #训练流程开关
flags.DEFINE_boolean("visualize", False, "True for visualizing, False for nothing [False]") #可视化开关
FLAGS = flags.FLAGS
def main(_): #主程序
pp.pprint(flags.FLAGS.__flags) #打印命令行参数
if FLAGS.input_width is None: #如果没有配置输入图像宽度
FLAGS.input_width = FLAGS.input_height #把输入图像高度作为宽度
if FLAGS.output_width is None: #如果没有配置输出图像宽度
FLAGS.output_width = FLAGS.output_height #把输出图像高度作为宽度
if not os.path.exists(FLAGS.checkpoint_dir): #如果检查点目录不存在
os.makedirs(FLAGS.checkpoint_dir) #创建检查点目录
if not os.path.exists(FLAGS.sample_dir): #如果样本目录不存在
os.makedirs(FLAGS.sample_dir) #创建样本目录
#gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333) #设置GPU显存占用比例
run_config = tf.ConfigProto() #获取配置对象
run_config.gpu_options.allow_growth = True #GPU显存占用按需增加
with tf.Session(config=run_config) as sess: #指定配置构建会话
if FLAGS.dataset == ‘mnist‘: #如果指定数据集为mnist
dcgan = DCGAN( #构建DCGAN
sess, #提定会话
input_width=FLAGS.input_width,
input_height=FLAGS.input_height,
output_width=FLAGS.output_width,
output_height=FLAGS.output_height,
batch_size=FLAGS.batch_size,
sample_num=FLAGS.batch_size,
y_dim=10, #标签维度为10
dataset_name=FLAGS.dataset,
input_fname_pattern=FLAGS.input_fname_pattern,
crop=FLAGS.crop,
checkpoint_dir=FLAGS.checkpoint_dir,
sample_dir=FLAGS.sample_dir)
else:
dcgan = DCGAN( #构建DCGAN,不指定标签维度
sess,
input_width=FLAGS.input_width,
input_height=FLAGS.input_height,
output_width=FLAGS.output_width,
output_height=FLAGS.output_height,
batch_size=FLAGS.batch_size,
sample_num=FLAGS.batch_size,
dataset_name=FLAGS.dataset,
input_fname_pattern=FLAGS.input_fname_pattern,
crop=FLAGS.crop,
checkpoint_dir=FLAGS.checkpoint_dir,
sample_dir=FLAGS.sample_dir)
show_all_variables() #显示所有参数
if FLAGS.train: #如果是训练
dcgan.train(FLAGS) #指定参数执行构建DCGAN 训练方法
else: #如果是测试
if not dcgan.load(FLAGS.checkpoint_dir)[0]: #在检查点目录没有检查点文件,即没有已训练好的模型
raise Exception("[!] Train a model first, then run test mode") #抛出异常:请先训练模型再执行测试
# to_json("./web/js/layers.js", [dcgan.h0_w, dcgan.h0_b, dcgan.g_bn0], #JSON格式化:w,b,gbn
# [dcgan.h1_w, dcgan.h1_b, dcgan.g_bn1],
# [dcgan.h2_w, dcgan.h2_b, dcgan.g_bn2],
# [dcgan.h3_w, dcgan.h3_b, dcgan.g_bn3],
# [dcgan.h4_w, dcgan.h4_b, None])
# Below is codes for visualization
OPTION = 1
visualize(sess, dcgan, FLAGS, OPTION) #执行可视化方法,传入会话、DCGAN、配置参数,选项
if __name__ == ‘__main__‘: #如果直接执行本脚本文件,运行以下代码,一般作调试用。如果作为其它脚本模块引入,则不执行以下代码
tf.app.run() #运行APP.run 解析FLAGS,执行main方法
欢迎付费咨询(150元每小时),我的微信:qingxingfengzi
我创建GAN日报群,以每天各报各的进度为主。把正在研究GAN的人聚在一起,互相鼓励,一起前进。加我微信拉群,请注明:加入GAN日报群。