问题标签 [dcgan]

我有一个预定义 nz=10, ngf= 64 的 python 测试代码

现在我需要重置隐藏层和其他参数才能输出大小为 28x28 的图像，即 -torch.Size([batch_size, 1, 28, 28])

请有人建议我应该在以下代码中进行哪些更改，以便能够生成 28x28 而不是 64x64 目前的图像

我使用了来自（http://vision.ucsd.edu/~leekc/ExtYaleDatabase/ExtYaleB.html）的数据集，并想用 Conditional gan 生成人脸图像，我引用了来自（https://github.com/的网络架构GANs-in-Action/gans-in-action/blob/master/chapter-8/ Chapter_8_CGAN.ipynb ）和（https://github.com/mvedang/Conditional-GAN-CIFAR-10）网络架构，但不管我训练了多少次，得到的图像仍然是噪声。

即使我调整了 Discriminator 和 Generator 的参数如层、神经元等，生成的结果仍然是噪声。

你能帮我纠正我构建的生成器和鉴别器模型吗？代码和结果链接：https ://colab.research.google.com/drive/14ul6BeXpVnlO3TVmfvSiR0kkYUuWfvn-?usp=sharing

发电机：

鉴别器：

我正在尝试制作 DCGAN，但在为我的鉴别器初始化 Convolutional2D 层时，我不断收到此错误。几天前我试过它时它工作得很好，但现在它坏了。

这是导致问题的特定层的构建

我一直在尝试修改TensorFlow 教程中制作的这个DCGAN。我希望它生成一个图表，显示生成器和鉴别器随时间的训练损失。首先，我尝试像这样简单地打印每个时期的生成器损失：

输出如下：

张量("binary_crossentropy/weighted_loss/value:0", shape=(), dtype=float32)

当我尝试通过说print(gen_loss.numpy())将其转换为 numpy 数组时，出现以下错误：AttributeError: 'Tensor' object has no attribute 'numpy'。我已经尝试过这里提到的解决方案，但没有运气。

有谁知道在这种情况下我如何可视化训练损失？

我需要训练一个 DC GAN 模型，目的是使用 TF2.0 从图像（不是任何特定领域）中删除水印，我们可以使用来自互联网的任何数据集。请帮助提供代码和数据。

并且，需要了解 DC GAN 工作背后的逻辑以及它是如何去除水印的？

我最近建立了一个 1D-DCGAN 模型（输入是信号），在过去的两周里，我一直在处理结果的解释。鉴别器和生成器似乎收敛，因为它们预计接近 0.5。错误看起来没问题。然而，FID 分数总是在一定范围内稳定。我不确定为什么。我很感激任何意见和建议。

我正在为我的项目使用原始 DCGAN MNIST 代码（keras）。我的任务是生成一个数组，然后我会从中计算出一些 observables。我在每个时期后保存模型，以便我可以找到哪个时期我得到最好的可观察值。我已经使用了 50 个 Epoch，所以我保存了 50 个检查点。现在我想使用一些中间保存的检查点生成数组（通过生成器），那么我应该如何从中加载数据？我用于保存检查点的代码如下：

它保存两种类型的文件：ckpt-1.data-00000-of-00001 和 ckpt-1.index。

如何从中生成该数组？（注意：我想要的“数组”类似于在 MNIST 案例中生成的像素数组）

我正在尝试通过 tensorflow 网站https://www.tensorflow.org/tutorials/generation/dcgan上的 DCGAN 示例。它似乎运行良好，直到它使用生成器的步骤 generated_image = generator(noise, training=False)。那时它以错误代码退出 Process finished with exit code -1073740791 (0xC0000409)。

我正在使用 pycharm 在 Windows 10 上运行。如果这是一个内存问题，我尝试弄乱批量大小，但即使将其设置为 1 也会产生相同的结果。我也尝试过以管理员身份运行 pycharm。

所以我最近按照 tensorflow dcgan 指南在大约 500 张图像上训练了 5000 个 epoch 的 dcgan： https ://www.tensorflow.org/tutorials/generation/dcgan

一个主要区别是我的图像大约大 10 倍，而我的生成器神经网络的层数大约是原来的两倍。除了让它接受更大的图像之外，我并没有真正改变鉴别器神经网络。在这 5000 个 epoch 结束时，dcgan 似乎挑选了 2-3 张图像，只是给了我这些图像的粗略副本。

我的输入堆栈有问题吗？我的数据集太小了吗？我需要在输入数据中添加噪音吗？这在dcgans中很常见吗？我的神经网络太小/太大了吗？有没有我可以添加的层来减少过度拟合？它甚至过拟合了吗？判别器神经网络不够大吗？换句话说，我该如何开始排除故障？

我正在关注这个 Kaggle Notebook，该人已经为 CELEB-A 数据集实现了生成器函数，如下所示，它运行良好。在这里，他使用(128,(5,5)了 CELEB-A 数据集上 DCGAN 的第一个 Conv2DTranspose() 函数的生成器函数的过滤器大小。

但我没有得到的是 - 对于其他一些随机图像形状，例如，如果我有一个形状的彩色图像，比如 256 * 540 * 3 - 我如何准确地决定 DCGAN 中第一个 Conv2DTranspose() 函数的过滤器大小生成器函数。

我知道在 DCGAN 中，对于生成器功能，我必须从以种子（大小为 100 的噪声向量）作为输入的 Dense 层开始，然后多次上采样，直到达到所需的图像大小。

但是在通过一些示例之后，我只是没有具体说明，在决定 DCGAN 的 Generator 函数中的 1st Conv2DTranspose() 函数的 Filter Size 时要遵循什么样的规则或原则。