Tensorflow使用AI创建图像

Question

我是datascience和tensorflow的初学者，所以，为了测试我的“技能”，我想试着做一个AI，你给它一个数字，然后返回该数字的28x28像素图像。反过来也是可能的，所以我想，为什么不呢？所以代码实际上运行得很好，但是AI的准确率非常低，实际上非常低，以至于它只返回随机像素。有没有什么方法可以让这个人工智能更准确，除了做100个纪元之类的事情？下面是我使用的代码：

import tensorflow as tf
import tensorflow.keras as tk

import numpy as np
import matplotlib.pyplot as plt

(train_data, train_labels), (test_data, test_labels) = tk.datasets.mnist.load_data()

model = tk.Sequential([
                   tk.layers.Dense(64, activation='relu'),
                   tk.layers.Dense(64, activation='relu'),
                   tk.layers.Dense(784, activation='relu')])
                  
history = model.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics=['acc'])

train_data = np.reshape(train_data, (60000, 784))
test_data = np.reshape(test_data, (-1, 784))

model.fit(train_labels, train_data, epochs=10, validation_data=(test_labels, test_data))

result = model.predict([2])

result = np.reshape(result, (28, 28))

plt.imshow(result)

plt.show()

我正在使用google.colab，因为我还没能在我的电脑上安装tensorflow，也许这与此有关。感谢您提前给我答复！

Answer 1

这是非常有可能的，并导致了称为生成性对抗网络(GANs)的广泛领域的研究。

首先，让我列出您的方法存在的问题：

1. 您使用单个数字作为输入，并期望模型能够理解它。这实际上并不起作用。最好使用一种称为one-hot编码的表示法。

1. 对于每个标签，存在多个图像。从数学上讲，如果域X由标签组成(是否为单热编码)，而范围Y由图像组成，则该关系是一对多关系，不能以有监督的方式学习。从本质上讲，监督学习只能用于建模多对一关系或一对一关系(尽管使用ML没有意义；字典是更好的选择)。因此，很容易预测图像的标签，但不可能使用完全监督的方法为标签生成图像，除非每个标签只使用一个图像进行训练。

GANs解决(2)中问题的方法是通过生成给定一组随机值的“可能”图像。GANs的变体允许指定要生成的确切值。

我建议阅读介绍GANs的paper。然后尝试基本的GAN，然后继续生成特定的数字。