首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >如何使用GANS创建新的假图像,给出经过训练的生成器模型?

问如何使用GANS创建新的假图像,给出经过训练的生成器模型?
EN

Stack Overflow用户
提问于 2021-06-09 20:15:39
回答 2查看 495关注 0票数 0

我正在编写本教程:https://colab.research.google.com/github/jeffheaton/t81_558_deep_learning/blob/master/t81_558_class_07_2_Keras_gan.ipynb#scrollTo=1yqlUD4sdiDk,在该教程中,我试图训练一个GAN,包括一个生成器和鉴别器模型。这是我的第一个GAN项目,所以我对这一切都很陌生。

我能够从头到尾运行这段代码,但不知何故,我对以下两个方面不太清楚:

  1. 有两个内核,其中有下面的代码,我不知道这段代码到底在做什么。我希望有人能解释。

​

​

​

  1. 给出了经过训练的生成器模型,如何实际通用新的假图像?我不确定本教程是否是这样做的,或者我是否误解了它,它实际上正在完成。我希望有人能把它粘起来。--
EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2021-06-09 20:30:06

GAN的生成器部分接收噪声并产生新的假图像,这就是第一部分第2行和第3行发生的情况,然后显示plt.imshow(generated_image[0, :, :, 0])图像

第二部分是判别器,它用于尝试将生成的图像分类为真实的或假的,这有助于生成器生成更好的假图像。

票数 0
EN

Stack Overflow用户

发布于 2021-06-09 20:34:17

Google Colab笔记本的开头的图片是用来解释GANs背后的主要想法和你的1问题中代码的第一部分

​

​

  1. GANs使用两个神经网络(判别器和生成器)共同训练。生成器将随机噪声(或图像中的随机种子)转换为可视化表示(在本例中,一般可以使用GANs生成其他类型的数据)。判别器只用于训练,作为一个控制,告诉生成器它在将随机种子转换为你试图模拟的数据(在这种情况下是人脸)方面做得有多好。为此,您还需要同时训练鉴别器,使其更好地检测模拟数据(一开始可以相对容易地检测模拟数据),但由于您只对模型完成培训后生成新数据感兴趣,因此在培训后不使用此部分。

代码的第一部分显示未经训练的生成器输出的内容(输入是随机种子,输出是不连贯的图像)。

代码的第二部分旨在显示未经训练的鉴别器输出的内容(使用生成的图像作为输入,它输出的概率是真实的图像,而不是模拟的图像)。

  1. 在你问题的第二部分,你只需要进一步遵循这个逻辑。一旦经过训练,您就不需要鉴别器(因为您对生成新数据感兴趣,也不需要鉴别器来告诉您它是否是真实的)。因此,您只需要将新的随机种子(与本教程中用于训练模型的随机种子相同的形状)输入生成器,并且它应该输出生成的图像。
票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/67911146

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档