问题标签 [generative-adversarial-network]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
machine-learning - 深度学习 + 音乐 , 使用 GAN 生成音乐 , 如何从 midi 图像中播放歌曲
我正在探索这个存储库：musegan并试图执行它。
我共享的Google Colab 链接
它执行，但我不知道从哪里获得生成的音乐样本或如何运行音乐.png。它在文件夹中生成一堆图像，./exp/ 但我不知道这对生成音乐有什么帮助
即使在这个项目的自述文件中，如果你下载结果，它也会给出一堆图像。我不知道如何使用这些图像。
我是 ML 和深度学习的新手，我之所以选择这个项目是因为我对音乐感兴趣，并且我想从深度学习如何解决这个问题中获得启发。
我已经阅读了关于 ANN、RNN 和 CNN 以及 GAN 的文章，但我处于非常新手的水平。但我想学这个。
我确实看过项目所有者的视频，但它是中文的，我确实使用谷歌翻译（中文到英文）将音频转换为英文文本，但这并不是很好的体验。
我知道这不是第一个选择的最佳项目，但这是我感兴趣的，所以我会更乐意花时间了解这个项目。
我的背景是前端和后端的网络开发。
python-3.x - 名称“发电机”在模型中使用了 2 次。所有图层名称都应该是唯一的
我正在尝试根据此参考为未配对的图像到图像的转换制作循环 GAN 。尝试编译组合模型时，遇到以下错误。我不知道为什么会这样，因为我使用了与参考相同的配置。附件是我的代码。如果你们中的任何人都可以解决我的问题，请进行审查。提前致谢。对不起，我的英语不好。
错误是
python - 为什么我的生成器损失函数随着迭代而增加
我正在尝试在 CIFAR-10 数据集上训练 DC-GAN。我使用二元交叉熵作为鉴别器和生成器的损失函数（附加了不可训练的鉴别器）。如果我使用 Adam 优化器进行训练，GAN 训练良好。但是如果我用 SGD 替换优化器，训练就会变得混乱。生成器精度从某个更高的点开始，随着迭代，它变为 0 并保持在那里。鉴别器的准确度从某个较低的点开始，达到 0.5 左右（预期的，对吗？）。奇怪的是生成器损失函数随着迭代而增加。我虽然可能是步骤太高了。我尝试更改步长。我尝试使用 SGD 的动量。在所有这些情况下，生成器在开始时可能会或可能不会减少，但随后肯定会增加。所以，我认为我的模型存在固有的错误。我知道训练深度模型很困难，而 GAN 更难，但必须有一些原因/启发式来解释为什么会发生这种情况。任何输入表示赞赏。我是神经网络、深度学习的新手，因此对 GAN 也很陌生。
这是我的代码：Cifar10Models.py
Cifar10Trainer.py：
部分图表如下：
鉴别器优化器：SGD(lr=0.0001, beta1=0.5)
生成器优化器：Adam(lr=0.0001, beta1=0.5)
鉴别器优化器：SGD(lr=0.0001)
生成器优化器：SGD(lr=0.0001)
鉴别器优化器：SGD(lr=0.0001)
生成器优化器：SGD(lr=0.001)
鉴别器优化器：SGD(lr=0.0001)
生成器优化器：SGD(lr=0.0005)
python - 直接在 tensorflow 中的 Dropout 层：如何训练？
在 Keras 中创建模型后，我想获取渐变并使用 tf.train.AdamOptimizer 类直接在 Tensorflow 中应用它们。但是，由于我使用的是 Dropout 层，我不知道如何告诉模型它是否处于训练模式。不接受培训关键字。这是代码：
即使有 dropout ，我也会在有和没有 dropout 层的情况下得到相同的行为rate=1。如何解决这个问题？
python - 如何改进使用 GAN 进行时间序列预测/异常检测的结果
我是一般的生成对抗网络（GAN）和神经网络的新手。使用Python和Keras，我想将 GAN 应用于时间序列预测。我的最终目标还包括检测时间序列中的异常。
我正在使用流行的Air-Passangers时间序列数据。
这是我用于时间序列预测的代码。然而，我使用 GAN 得到的结果对我来说有点难以解释，我认为它需要一些改进。
谢谢你的帮助。
machine-learning - Keras：编译模型后更新“可训练”属性
我在 Keras 中有一个条件 GAN (CGAN) 模型：
我的目标是定期冻结鉴别器，使其无法学习。（这是用于一些实验性工作。）但是，我在编译模型后找不到实际更新.trainable属性的方法。gan.D我尝试过定期手动改变属性，但无论鉴别器继续学习什么。
实际上是否可以trainable在编译模型后更新模型的属性？如果是这样，我会很感激一个简单的例子来说明如何做到这一点！
python - 我的条件 GAN 似乎正在经历模式崩溃
我一直在使用 celebA 数据集在 Tensorflow 中设计这个条件 GAN。它似乎正在经历我认为的模式崩溃。
我尝试调整鉴别器以最小化 Wasserstein 距离，但这似乎没有帮助。我还尝试减小条件向量的范围，认为噪声可能被条件中的大值淹没了。
这就是我声明成本函数的方式
image-processing - state_dict 中缺少键
我在 google colab 上加载我的模型时遇到问题。这是代码：
我附上了下面的代码
我尝试更改 statedict 的名称，但它基本上没有帮助，我正在尝试保存我的模型以供以后使用，但是，这变得非常困难，因为我无法正确保存和加载它。请帮我解决这个问题。在代码部分之后，您还会发现我在下面附加的错误。
这是代码
这是错误
lstm - 解决 VAE 中的爆炸梯度
如何解决深度生成模型 (VAE) 中的爆炸梯度？
注意：数据集在列中包含很多 NaN 值
python - 用于顺序数据的 GAN 的输入/输出形状
我正在尝试使用 GAN 进行时间序列预测。我正在使用 MXNet/Gluon。因此，我有一个大小为 (N, 1) 的顺序数据，我已将其转换为 (N-stepsize, stepsize)。现在我很难理解网络的输入输出形状。这里是生成器和鉴别器网络的代码。
提前致谢。