问题标签 [dcgan]

输入大小为 1 x 128 x 128。整个使用的步幅为 2。从左到右查看生成器，每一层的输入/输出尺寸应为：

1. 128/63
2. 63/30
3. 30/14
4. 14/6
5. 6/2
6. ?/?
7. ?/?

图表可能不正确吗？

我正在尝试让DCGAN (Deep Convolutional Generative Adversarial Networks) 与tensorflow for Java一起工作。

我已将必要的代码添加到 DCGAN 的model.py中，如下所示，以输出一个图形，以便稍后在 Java 的 tensorflow 中使用。

上面的代码输出了一个由下面的 Java 代码加载的图

（我在调试时留下了一些评论）

使用这种方法，我被困在将 python 代码转换为 Java 以用于 Java 的 tensorflow 的某个部分。在处理图像的 DCGAN 的model.py中有以下代码。

在 saved_utils.py中调用get_iamge如下

然后调用一个名为imread的方法，如下所示

我的问题是我不确定该img_rgb = img_bgr[..., ::-1] 部分的作用以及如何翻译它以在 tensorflow.java 中的 Java 文件中使用。

我熟悉 python 切片数组的方式，但我不熟悉其中使用的三个点。我确实在那里阅读了对stackoverflow 问题的引用，它提到它类似于img[:, :, ::-1]. 但我不太确定它到底在做什么。

感谢您提供任何帮助，并感谢您花时间阅读这篇长文。

我想知道训练 cifar10 的最佳 GAN 模型。我搜索了很多模型，例如 DCGAN、WGAN、CGAN、SSGAN、SNGAN，但似乎我想要更好的模型。您能否根据您的经验或 FID、IS 分数告诉我什么是最好的。

谢谢你。

我想使用 tensorflow.keras (ver 2.1) 来训练 DCGAN。

当我遵循官方教程（https://www.tensorflow.org/tutorials/generation/dcgan）时，官方代码训练成功。

但是，当我尝试像下面这样重写时，训练结果失败了。

无论训练迭代如何，结果看起来都是噪音和损失几乎是相同的值。

不知道是什么原因造成的...

我正在探索生成对抗网络 (GAN)，我将其用于多项任务，而不仅仅是图像生成。

深度卷积GAN（DCGAN）是GAN的另一种专门用于图像数据的方法，DCGAN的特殊性在于它们在鉴别器中使用卷积层并在生成器中使用转置卷积层。

在我的应用程序中，我在鉴别器中使用卷积层，而不是对生成器使用转置卷积，而是使用简单的卷积。

问题是，由于我不使用转置卷积，我目前使用的是简单的 GAN还是DCGAN

提前感谢您的回答，祝您有美好的一天

我尝试修改此示例代码，在此处为我自己的数据集输入 DCGAN 的链接描述。示例代码适用于 RGB 图像，但我的数据是灰度图像。因此，我将通道数“nc”的值设置为 1。但是，当我尝试运行程序时，出现错误：RuntimeError: Given groups=1, weight of size 64 1 4 4, expected input[128, 3, 64, 64] 有 1 个通道，但有 3 个通道。我确实知道这是关于频道数量的问题，但我不知道我还应该改变什么来解决这个错误。

任何帮助，将不胜感激！

[更新：我现在没有得到鉴别器的所有零梯度。我的架构或层的初始化可能存在一些问题。我会努力解决的。]

我正在尝试在 TensorFlow 中训练条件 GAN 以使用标题进行图像合成。这是原始论文：http ://arxiv.org/abs/1605.05396

我面临的问题是我为鉴别器的参数得到的梯度都是零。从这一点开始，我无法回溯问题，因为鉴别器损失是正的，并且梯度是使用预定义的函数计算的tf.gradient(discriminator_loss, discriminator_variables)

另外，我在 PyTorch 中也这样做了，但我没有遇到问题，因为 TensorFlow 和 PyTorch 中计算梯度的语法有些不同。所以，我认为问题在于我对 TensorFlow 的理解，而不是生成器和判别器的架构，但我可能是错的。

我正在粘贴下面代码的重要部分，如果你们中的任何人可以帮助我找出问题所在。

请让我知道我是否应该发布更多详细信息或删除一些混乱。

我的猜测是 train_step 函数有问题，但我还在下面包含了我的生成器和鉴别器的架构（不过，这可能是太多代码无法阅读）。

生成器和判别器的架构：

我正在分析一个在图像生成中使用 DCGAN + Reptile的元学习类。

关于这段代码，我有两个问题。

第一个问题：为什么在 DCGAN 训练期间（第 74 行）

是否创建了由真实示例（real_batch）和假示例（fake_batch）组成的training_batch？为什么要通过混合真假图像来进行训练？我见过很多 DCGAN，但从来没有以这种方式进行过训练。

第二个问题：为什么在训练时使用了 normalize_data 函数（第 49 行）和 unnormalize_data 函数（第 55 行）？

该项目使用 Mnist 数据集，如果我想使用像 CIFAR10 这样的颜色数据集，我是否必须修改这些规范化？

我是 Python 编程的新手，我尝试运行一些 DCGAN 训练脚本 https://github.com/ml5js/training-dcgan

使用 conda 创建环境并构建所有依赖项后，运行 py 程序时仍然遇到问题：

我尝试了几次以正确重新安装整个环境，但我仍然有同样的错误。也许有人知道如何解决这个问题？任何帮助都会很棒:)这是我的配置：

十分感谢 ！

我正在关注这个https://www.tensorflow.org/tutorials/generation/dcgan#the_discriminator但我使用的是我自己的图片。我想以某种方式查看损失、准确性和/或其他任何可能对优化网络有用的信息。我现在主要只关心损失。我试图查看类似的示例，其中包括一种显示损失的方法，例如https://machinelearningmastery.com/practical-guide-to-gan-failure-modes/。但是，我仍然不明白如何为 tensorflow DCGAN 示例执行此操作。

需要明确的是，我有一个损失函数。我只是无法弄清楚如何将其打印出来以实际查看发生了什么。

哦，我应该提到我让它在每个时期为每个生成的图像打印“决定”。所以我知道该怎么做。