学习笔记GAN001:生成式对抗网络,只需10步,从零开始到调试

生成式对抗网络(gennerative adversarial network,GAN),目前最火的非监督深度学习。一个生成网络无中生有,一个判别网络推动进化。学技术,不先着急看书看文章。先把Demo跑起来,顺利进入断点调试。这样就可以边学习边修改边验证,亲自下手参与调试,会比只是当个看客,更有兴趣更有成就感也更容易理解内容。

1?下载并安装Anaconda。
https://www.continuum.io/downloads

Anaconda的使用可以看这篇文章:
http://www.jianshu.com/p/2f3be7781451

2?创建环境,指定Python版本

conda create --name python36 python=3.6

3?使用activate激活环境

source activate python36

4?安装依赖库

pip install bleach certifi chardet decorator html5lib idna imageio markdown moviepy numpy olefile pillow protobuf scipy requests six tensorflow tensorflow-tensorboard tqdm urllib3 werkzeug

5?用git clone DCGAN-tensorflow 源码

git clone https://github.com/carpedm20/DCGAN-tensorflow.git

6?进入 DCGAN-tensorflow 目录

cd XXX/DCGAN-tensorflow

7?下载mnist数据集

python download.py mnist

8?训练模型

python main.py --dataset mnist --input_height=28 --output_height=28 --train

9?测试模型

python main.py --dataset mnist --input_height=28 --output_height=28

10?断点调试

http://wx1.sinaimg.cn/mw1024/8cdf76c6gy1fix2mx8ocjj21kw102trw.jpg

欢迎付费咨询(150元每小时),我的微信:qingxingfengzi

时间: 2024-10-25 15:52:23

学习笔记GAN001:生成式对抗网络,只需10步,从零开始到调试的相关文章

学习笔记TF051:生成式对抗网络

生成式对抗网络(gennerative adversarial network,GAN),谷歌2014年提出网络模型.灵感自二人博弈的零和博弈,目前最火的非监督深度学习.GAN之父,Ian J.Goodfellow,公认人工智能顶级专家. 原理.生成式对搞网络包含一个生成模型(generative model,G)和一个判别模型(discriminative model,D).Ian J.Goodfellow.Jean Pouget-Abadie.Mehdi Mirza.Bing Xu.Davi

生成式对抗网络GAN 的研究进展与展望

生成式对抗网络GAN的研究进展与展望.pdf 摘要: 生成式对抗网络GAN (Generative adversarial networks) 目前已经成为人工智能学界一个热门的研究方向. GAN的基本思想源自博弈论的二人零和博弈, 由一个生成器和一个判别器构成, 通过对抗学习的方式来训练. 目的是估测数据样本的潜在分布并生成新的数据样本. 在图像和视觉计算.语音和语言处理.信息安全.棋类比赛等领域, GAN 正在被广泛研究,具有巨大的应用前景. 本文概括了GAN 的研究进展, 并进行展望. 在

(转) 简述生成式对抗网络

简述生成式对抗网络 [转载请注明出处]chenrudan.github.io 本文主要阐述了对生成式对抗网络的理解,首先谈到了什么是对抗样本,以及它与对抗网络的关系,然后解释了对抗网络的每个组成部分,再结合算法流程和代码实现来解释具体是如何实现并执行这个算法的,最后给出一个基于对抗网络改写的去噪网络运行的结果,效果虽然挺差的,但是有些地方还是挺有意思的. 1. 对抗样本 2. 生成式对抗网络GAN 3. 代码解释 4. 运行实例 5. 小结 6. 引用 1. 对抗样本(adversarial e

(转)【重磅】无监督学习生成式对抗网络突破,OpenAI 5大项目落地

[重磅]无监督学习生成式对抗网络突破,OpenAI 5大项目落地 [新智元导读]"生成对抗网络是切片面包发明以来最令人激动的事情!"LeCun前不久在Quroa答问时毫不加掩饰对生成对抗网络的喜爱,他认为这是深度学习近期最值得期待.也最有可能取得突破的领域.生成对抗学习是无监督学习的一种,该理论由 Ian Goodfellow 提出,此人现在 OpenAI 工作.作为业内公认进行前沿基础理论研究的机构,OpenAI 不久前在博客中总结了他们的5大项目成果,结合丰富实例介绍了生成对抗网络

GAN生成式对抗网络的原理

生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型 GAN两个核心模块 GAN核心是两个模块. 1.生成器模块 --generator 2.判别器模块--desciminator GAN通俗原理解释 为了通俗的解释GAN原理,可以类比为伪造货币的例子(这个比方纯粹为了解释) 现在有个伪造货币的任务. 你有一堆真实的货币,一个可以不断提高鉴别能力的鉴定货币真伪的设备,还有一个可以提高伪造能力的伪造货币的设备. 1.我们继续不断的强化鉴定设

经典生成式对抗网络(GANs)的理解

1. 简介 首先简要介绍一下生成模型(Generative model)与判别模型(Discriminative mode)的概念: 生成模型:对联合概率进行建模,从统计的角度表示数据的分布情况,刻画数据是如何生成的,收敛速度快,例如朴素贝叶斯,GDA,HMM等.    判别模型:对条件概率P(Y|X) 进行建模,不关心数据如何生成,主要是寻找不同类别之间的最优分类面,例如LR,SVM等. 判别模型在深度学习乃至机器学习领域取得了巨大成功,其本质是将样本的特征向量映射成对应的label:而生成模

Day3: Python学习笔记之计算机基础——网络片

Day3: Python学习笔记之计算机基础--网络片 什么是互联网协议以及为何要有互联网协议? ?互联网协议本质上是为了方便连接两台计算机而指定的一系列统一的标准. osi五层模型 计算机之间要实现数据传输必须要经过以下五层协议: ? 模型 ,协议 ,硬件 ? 应用层, http协议.用户自定义协议 ? 传输层, TCP/UPD协议 ,四层交换机.四层路由器 ? 网络层, IP协议, 三层交换机.路由器 ? 数据链路层, 以太网.电信号分组, 网桥.以太网交换机.网卡 ? 物理层, 传递电信号

只需两步快速获取微信小程序源码

只需两步快速获取微信小程序源码 第一次在掘金这样高大上的社区写文章,忐忑地敲下我获取小程序源码过程中的经验分享. 最近在学习微信小程序开发,半个月学习下来,很想实战一下踩踩坑,于是就仿写了某个小程序的前端实现,过程一言难尽,差不多两周时间过去了,发现小程序的坑远比想象的要多的多!!在实际练手中,完全是黑盒的,纯靠推测,部分效果在各种尝试后能能做出大致的实现,但是有些细节,实在不知道如何去实现.这种时候,真的很想一窥源码,查看究竟,看看大厂的前端大神们是如何规避了小程序的一些比较奇葩的坑. 于是就

简单操作只需10秒破解PDF加密文件

简单操作只需10秒破解PDF加密文件 [尊重原创,转载请注明出处]http://blog.csdn.net/guyuealian/article/details/51345950 如何破解PDF加密文件,如何破解PDF密码呢,破解加密的PDF文件? 从网上下载的PDF文件,由于版权的问题,作者经常会加密禁止读者复制修改等权限,如下面的PDF文档,用Adobe pdf Reader打开时,会显示"已加密"的字样,虽然可以阅读,但不能修改和标记. 为了解决这个问题,可以采用绕过破解密码这一