BatchNormalization结果差
我一直在尝试实施 DCGan ，这是该手册的纸，并被下面两个阻止问题几乎持续了2个星期.任何建议，将不胜感激.谢谢. 问题1: DCGAN论文建议生成器和鉴别器都使用BN(批量归一化).但是，使用BN不能获得比没有BN更好的结果. 我复制了我使用的DCGAN模型，该模型与DCGAN纸完全相同.我不认为这是由于过度拟合造成的.因为(1)它始终显示与初始噪声图像相同的噪声，并且似乎从
..
dcgan相关内容
DCGAN:鉴别器变得过于强大而无法让生成器学习
我正在尝试使用此版本的DCGAN代码(在Tensorflow中实现)与我的一些数据.我遇到了一个问题，即鉴别器变得过于强大，以至于生成器无法学到任何东西. 现在，通常建议使用一些技巧来解决GAN的问题: 批处理规范化(已经在DCGANs代码中提供了) 让发电机先行一步. 我通过使用鉴别器的每1个迭代器允许生成器10次迭代(不仅仅是在开始时，而是在整个训练中)来实现了后者的某
..
keras.datasets.mnist和tensorflow.examples.tutorials.mnist有什么区别?
我正在分析此DCGAN .当我使用tensorflow.examples.tutorials.mnist中的input_data时，如self.x_train = input_data.read_data_sets("mnist",\ one_hot=True).train.images 我获得了相当不错的成绩: keras.datasets中的mnist并且第144行看起来像这样:
..
如何使用新功能通过深度学习生成新图像
如果我有一个由图像列表组成的数据集，每个图像都与一系列特征相关联；有一个模型，一旦训练，就可以在输入新的功能列表后生成新图像? 解决方案 我认为您正在寻找本文. GAN是一种算法类型，它包含两个不同的模型，因此一个名为Discriminator的模型会尝试学习确定其输入数据是否来自数据集，而另一个名为Generator的模型则会尝试学习如何生成数据，因此辨别器错误地认识到它来自数据集.
..