回答情况：
提问时间：
问题标签：
keras_adversarial的模块时出现错误from keras_adversarial import AdversarialModel, simple_gan, gan_targetsnormal_latent_sampling1 import keras_adversarial
----> 2 from keras_adversarial import Adve
浏览 14提问于2019-08-06得票数 0
Running train.train_progressive_gan()...train = EasyDict(func='train.trai
浏览 0提问于2019-07-25得票数 0
1回答
我刚进入深造领域，我想尽可能准确地进行综合，有人能告诉我如何为这样的模型构造损失函数吗?任何答案都会对我有很大帮助，请不要犹豫回答。
感谢并致以问候
浏览 0提问于2019-12-30得票数 1
1回答
我试图理解GAN和DCGAN之间的关键区别。哪些数据更适合进入GAN，哪些数据更适合DCGAN？对于小的数据维度，DCGAN工作得更好吗？
浏览 0修改于2018-06-05得票数 8
回答已采纳
1回答
我试着训练一个GAN来学习在一个事件中的一些特征的分布。被训练的鉴别器和生成器具有较低的损耗，但是生成的事件有不同的形状分布，但我不知道为什么。我对GAN的定义如下： model.compile(loss = 'binary_crossentropy', optimizer=optimizer)
return mo
浏览 1修改于2020-03-12得票数 6
回答已采纳
1回答
我正在使用生成的对抗性网络来增加我的数据，我已经使用了深层卷积GAN来实现这个目的，但是他们并没有学习正确的数据分布，所以请建议我使用哪一个GAN来实现这个目的？
浏览 0提问于2018-07-14得票数 0
1回答
我开始尝试gans，在互联网上，有很多选择我现在担心的是我应该使用Keras fit还是Keras train_on_batchs哪一个是训练模型的合适方法谢谢
浏览 15提问于2021-01-14得票数 0
1回答
是否有可能训练GAN模型在特定环境(例如办公室、树林、海滩.)上画出一幅图像.在我们把它的人挖出来之后？例如，我在Places2上使用了这个Places2‘S预先训练过的GAN模型📷但是当我把图像输入到上面提到的GAN模型时，结果并不是很好：如果可能的话，最好的GAN架构是什么？
浏览 0提问于2018-07-11得票数 3
回答已采纳
1回答
我有以下实现GAN模型的简单代码import matplotlib.pyplot as plt model.add(Dense(units=1,activation='sigmoid'))def build_gan=Adam(),metrics=['accuracy'])
generator =Generator(i
浏览 1修改于2021-03-12得票数 1
回答已采纳
1回答
我试着理解VQ-GAN的工作原理，但不幸的是我还没有理解它。我试着读了一些关于它的文章，然后看了一段视频。我相信一篇简单的文章会对我有帮助。你帮我搞定了变压器。你给了我很好的链接。但我不明白VQ-GAN是怎么工作的。请帮我理解一下。谢谢。
浏览 0修改于2023-04-15得票数 3
1回答
在Gan 纸中，第3页的意思是图1：
下水平线是z采样的区域，在这种情况下是均匀的。上面的水平线是x域的一部分。向上箭头显示映射x= G(z)如何在转换样本上施加非均匀分布pg。
浏览 0提问于2022-01-18得票数 0
回答已采纳
我正在探索生成的Adeversarial (GAN)，它不仅用于图像生成，还用于几个任务。深卷积GAN (DCGAN)是GAN的另一种专门用于图像数据的方法，DCGAN的特点是在鉴别器中采用卷积层，对发生器采用转置卷积层。问题是，由于我不使用转置卷积，所以我目前使用的是简单的GAN还是DCGAN？
提前谢谢你的回答，祝你今天愉快
浏览 2提问于2020-04-15得票数 1
回答已采纳
5回答
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？
浏览 209修改于2020-04-02得票数 4
回答已采纳
1回答
('sigmoid'))
生成器和GAN='RandomNormal', bias_initializer='RandomNormal'))
GAN</em
浏览 2修改于2018-06-11得票数 0
2回答
)discriminator.summary()gan_input = Input(shape=[100])gan_V = discriminator(H)GA
浏览 2提问于2017-01-26得票数 3
stacked GAN modelH = generator(gan_input)gan_V = discriminator(gd_input)GAN.compile(loss=['categor
浏览 12提问于2021-02-22得票数 0
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号