问题标签 [generative-adversarial-network]

最近，我自己编写了 Tensorflow 代码，但是，当我使用 feed_dict 获取 Tensor 对象的真实值时，我遇到了这样的问题。

我首先将 self.z 和 self.G 等占位符定义如下。鉴别器是一个神经网络。

我尝试如下更新我的鉴别器。

在这种情况下，我不确定为什么我必须为 self.z 提供价值。我相信 self.G 只依赖于 generate_images_real 这是一个实值向量。我对此很困惑。谢谢大家。

我正在使用 Tensorflow 和 Keras 创建一个 GAN（生成对抗网络）。发生的问题是当我尝试将生成器训练参数列表传递给vars_list训练步骤时。

我的发电机看起来像

然后将 x_generate 传递到鉴别器中，鉴别器仍然是用 Tensorflow 编写的，尚未转换为 keras。在我传入优化参数之前，该部分工作正常。

结果是一个错误说明

在线上

我正在尝试将Wasserstein 梯度惩罚添加到鉴别器的损失计算中。如果不添加此惩罚，一切正常。但是当这部分被添加时，它会给出一个类似这样的错误：

这是用于计算 Wasserstein 梯度惩罚的源代码部分：

但是当下面的行正在执行时，它会抛出上述错误。

不过，我不知道如何处理这个问题。欢迎任何意见或答案。

我正在训练一个 GAN 来执行来自两个不同图像域（源S和目标T）的风格转换。因为我有可用的类信息，所以我有一个额外的Q网络（除了G和D），它测量目标域及其标签（LeNet 网络）的生成图像的分类结果，并将错误传播到生成器D。从系统的收敛中我注意到它D总是从 8（D网络的损失函数误差）开始并略微下降到 4.5，G损失函数误差从 1 开始并迅速下降到 0.2。D和G我正在使用的损失函数可以在这里找到，而Q网络是分类交叉熵。迭代的误差图是：

D和G的损失函数为：

D 的误差函数总是那么高有意义吗？D和的错误的解释是什么G？是不是D一开始的损失应该很小，迭代后会上升？用损失阈值限制D过度是否是个好主意？G最后，在训练期间，从验证集上的损失函数而不是我正在使用的训练集计算误差是否有意义？（而不是直接使用 train_on_batch 使用 fit 然后在测试集上进行评估）。

编辑：

对于损失，我认为discriminator和 的discriminator_on_generator损失是 GAN 的正常损失函数，对吧？

我正在计算 wgan-gp 中的损失函数，我想知道我的代码有什么问题，或者是否需要实施其他方法

这是错误堆栈，我正在使用 tensorflow 急切执行，所以任何帮助将不胜感激

我正在使用 Keras 对 GAN 进行建模，由于我有两个输出，因此我需要结合两个损失。一个输出来自 Discriminator，在下面的代码中表示为“label”，另一个来自 Generator，表示为“Bloss”。那么是否可以分别用 G 和 D 的两个输出来训练 GAN（组合生成器和判别器）的组合模型？

我的代码（CelebA 数据集的 DCGAN）既不完整也不正确，因为我无法通过此错误（所以请帮我弄清楚如何解决第一个错误）：

基本上如何解决以下错误？

我正在使用 Colab 训练我的 GAN 网络。培训课程可以正确完成，但即使我显示目录文件夹名称，我也看不到 Colab 中生成的输出图像的任何文件或文件夹。如何在我的谷歌驱动器或这些图像文件的存储位置中查看这些输出图像？

我正在构建一个 GAN，当我开始调用我的鉴别器两次，使用重用时，我的 GAN 开始发散。我首先创建了我的鉴别器，如下所示：

我这样称呼它：

我能够正确地训练 GAN。现在我需要使用重用来调用它，而不必一次发送真实和虚假的数据。我将其更改为：

并这样称呼它：

现在它开始分化了。知道为什么吗？

我将使用 tf.keras 和 MNIST 手写数字数据集制作一些 GAN 模型测试器。因为我的模型将用于 128x128 的图像，所以我将 MNIST 数据集的大小调整为 128x128x1。但是，该程序会出现一些我从未见过的错误。

最后一行犯了两个错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：形状必须为 1 级，但对于“strided_slice_1”（操作：“StridedSlice”）为 2 级，输入形状为：[60000,128,128,1]、[1,32]、[1 ,32]，[1]。

和，

ValueError：形状必须为 1 级，但对于输入形状为 [60000,128,128,1]、[1,32]、[1,32]、[1] 的“strided_slice_1”（操作：“StridedSlice”）为 2 级。

我认为数字'32'表示batch_size（= 32）。

我试图找到这个错误，但我找不到这个错误。

我没有任何想法来解决这个问题（因为我一周前开始使用 keras，在我使用 pytorch 之前）。