GAN的随机噪声

Question

我是新来的GAN。我正在学习建模GAN来生成图像，但是我并不真正理解给生成器的随机噪声到底是什么。它是从0到1的随机数吗?它的大小是多少？另外，随机噪声是否应该在每次生成器运行时都是恒定的？

任何帮助都将不胜感激。

Answer 1

随机噪声是一个特征向量，对于每个图像都是唯一的

让我们考虑128的噪声向量

现在，只关注向量中的第一个条目，让我们考虑一下它是关于头部头发长度的

从训练图像模型中了解到，对于光头，值is=0，对于长发value=1，通过选择从0到1的随机数来确定毛发的数量。因此模型可以生成不同头发长度的人

这样，随机噪声中的所有128个条目将决定人脸的一个因素

这就是为什么每次选择随机噪声都会生成新的人物图像

如果使用随机噪声，那么模型将生成相同的图像

我希望您了解GAN是如何工作的。

Answer 2

有一个jupyter笔记本驱动

教程

在github上(完全公开，这是我的github)。

(可用的解决方案

这里

)

噪声，或者更确切地说，潜在的随机变量可以按您喜欢的方式生成，例如：

# Generate latent random variable to feed to the generator, by drawing from a uniform distribution 
z = np.random.uniform(-1., 1., size=[batch_size, noise_dim])

然而，考虑生成器输入层中的激活函数并注意其敏感范围是有意义的。

生成器将此输入作为种子，从该潜在变量解码到源数据集域。所以很明显，相同的随机变量将导致完全相同的样本生成。

因此，你应该在训练的同时不断地绘制新的样本，并且不要保持噪声恒定。

Answer 3

随机噪声向量分布表示潜在空间。这对GANs来说并不那么重要，但对于自动编码器来说更重要。通常，噪声是由正态分布产生的，但一些研究人员报告了使用球形分布的改进的训练结果(对不起，我手头没有参考资料)。噪波的范围取决于输入层。如果使用的是图像，则可能会在0到1或-1和1之间对输入进行规格化，因此可以对噪波向量使用相应的分布范围。典型的噪声向量可能是这样生成的：

noise = tf.random.normal([BATCH_SIZE, noise_dim])

where批处理

_

大小是训练批次的大小(16，32，64，128...)和噪声

_

dim是噪声向量的大小，这取决于您的特征空间(对于中等分辨率的图像，我通常使用1024 )。