為了深入了解生成性對抗性網絡,我正在嘗試使用tensorflow實現基于這個Stanford university assignment的MNIST數據集的GAN。在
我仔細復習和研究了我對給定練習的解決方案,并通過了測試。但是,我的發電機只會制造噪音。在
我很確定我的helper函數是正確的,所有的測試都通過了,我在網上找到了顯示完全相同實現的參考。所以在哪里可以
出錯的只是鑒別器和生成器架構:def discriminator(x):
MATLAB求出分類錯誤率最小的分類器。with tf.variable_scope("discriminator"):
l_1 = leaky_relu(tf.layers.dense(x, 256, activation=None))
l_2 = leaky_relu(tf.layers.dense(l_1, 256, activation=None))
logits = tf.layers.dense(l_2, 1, activation=None)
return logits
matlab異常數據剔除、def generator(z):
with tf.variable_scope("generator"):
l_1 = tf.maximum(tf.layers.dense(z, 1024, activation=None), 0)
l_2 = tf.maximum(tf.layers.dense(l_1, 1024, activation=None), 0)
img = tf.tanh(tf.layers.dense(l_2, 784, activation=None))
matlab對函數進行采樣和恢復,return img
我看到生成器和鑒別器的錯誤在第一次迭代中下降到接近于零。在
^{pr2}$
在較低的學習速率下,例如1e-7,鑒別器和生成器的錯誤率緩慢衰減,但最終會降到零,只會產生噪聲。在Iter: 0, D: 1.722, G:0.6772
Iter: 50, D: 1.704, G:0.665
matlab采樣周期怎么設置,Iter: 100, D: 1.698, G:0.661
Iter: 150, D: 1.663, G:0.6594
Iter: 200, D: 1.661, G:0.6574
...
我的實驗沒有解釋任何有意義的東西。
欠采樣后信號頻率怎么求、如果您有任何建議或可以推薦一種調試技術,我很樂意聽到。在
根據要求,以下是我的GAN-Loss代碼:def gan_loss(logits_real, logits_fake):
labels_real = tf.ones_like(logits_real)
labels_fake = tf.zeros_like(logits_fake)
d_loss_real = tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_real, labels=labels_real)
matlab誤差分析代碼、d_loss_fake = tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_fake, labels=labels_fake)
D_loss = tf.reduce_mean(d_loss_real + d_loss_fake)
G_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_fake, labels=labels_fake))
return D_loss, G_loss
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态