博客
关于我
最原始的GAN-我开始慢慢的懂GAN了
阅读量:720 次
发布时间:2019-03-21

本文共 668 字,大约阅读时间需要 2 分钟。

生成器在GAN中生成虚假图片的过程如下:

  • 噪声输入:生成器首先接受一批随机噪声,这些噪声来自正态分布,形状为(batch_size, 100)。在代码中,batch_size通常设置为128,这意味着每次生成128张独立的虚假图片。

  • 生成过程:噪声数据通过一个全连接的生成器网络转换。生成器网络由多个隐藏层组成,每层都有激活函数(如LeakyReLU),以模拟真实神经网络的非线性变换。最终,生成器将噪声数据转换为形状为(batch_size,784)的虚假数字图片。784对应于28x28的尺寸,即一张标准的手写数字图像大小。

  • 输出处理:生成器输出的是虚假图片的数字形式,通常是一个一维的数组。为了可视化,需要将这个一维数组转换为二维的图片矩阵。例如,将784维的数据按照行转换为28x28的矩阵,然后使用Matplotlib等库进行显示。

  • 批量大小调整:为了更直观地查看生成的虚假图片,可以将批量大小设置为1。这使得fake_images变为一个784维的数据点,随后将其转换为28x28的二维数组,便于使用imshow函数显示图像。

  • 真实图片与虚假图片对比:真实图片通常也是从训练集中随机抽取一批,形状与虚假图片一致(如(128,784))。这意味着每次生成的虚假图片和真实图片都是128张独立的28x28图片,方便对比生成器的性能进步。

  • 总结:生成器通过将噪声数据转换为一维数字后,再通过激活函数和隐藏层生成符合原始数据分布的一维数字,最终的虚假图片通过特定的转换和显示函数呈现为解析后的数字图像,从而实现了生成虚假图片的功能。

    转载地址:http://uuoez.baihongyu.com/

    你可能感兴趣的文章
    MySQL_西安11月销售昨日未上架的产品_20161212
    查看>>
    Mysql——深入浅出InnoDB底层原理
    查看>>
    MySQL“被动”性能优化汇总
    查看>>
    MySQL、HBase 和 Elasticsearch:特点与区别详解
    查看>>
    MySQL、Redis高频面试题汇总
    查看>>
    MYSQL、SQL Server、Oracle数据库排序空值null问题及其解决办法
    查看>>
    mysql一个字段为空时使用另一个字段排序
    查看>>
    MySQL一个表A中多个字段关联了表B的ID,如何关联查询?
    查看>>
    MYSQL一直显示正在启动
    查看>>
    MySQL一站到底!华为首发MySQL进阶宝典,基础+优化+源码+架构+实战五飞
    查看>>
    MySQL万字总结!超详细!
    查看>>
    Mysql下载以及安装(新手入门,超详细)
    查看>>
    MySQL不会性能调优?看看这份清华架构师编写的MySQL性能优化手册吧
    查看>>
    MySQL不同字符集及排序规则详解:业务场景下的最佳选
    查看>>
    Mysql不同官方版本对比
    查看>>
    MySQL与Informix数据库中的同义表创建:深入解析与比较
    查看>>
    mysql与mem_细说 MySQL 之 MEM_ROOT
    查看>>
    MySQL与Oracle的数据迁移注意事项,另附转换工具链接
    查看>>
    mysql丢失更新问题
    查看>>
    MySQL两千万数据优化&迁移
    查看>>