问题标签 [generative]

最近我了解了生成对抗网络。

为了训练生成器，我对它的学习方式感到困惑。下面是 GAN 的实现：

因此，它会计算论文中提到的生成器的损失。但是，它会根据鉴别器输出调用生成器后向函数。鉴别器输出只是一个数字（不是数组）。

但我们知道，一般来说，为了训练网络，我们在最后一层计算损失函数（最后一层输出和实际输出之间的损失），然后计算梯度。例如，如果输出是 64*64，那么我们将其与 64*64 图像进行比较，然后计算损失并进行反向传播。

但是，在我在生成对抗网络中看到的代码中，我看到它们从鉴别器输出（只是一个数字）计算生成器的损失，然后调用生成器的反向传播。生成器的最后一层是例如 64*64 像素，但鉴别器损失是 1*1（这与通常的网络不同）所以我不明白它是如何导致生成器被学习和训练的？

我想如果我们附加两个网络（附加生成器和鉴别器）然后调用反向传播但只更新生成器参数，它是有意义的并且应该可以工作。但是我在代码中看到的完全不同。

所以我问怎么可能？

谢谢

为了深入了解生成对抗网络，我正在尝试根据斯坦福大学的这项使用 tensorflow 的作业，自己为 MNIST 数据集实施 GAN。

我仔细审查并研究了我对给定练习的解决方案，并通过了测试。但是，我的发电机只会产生噪音。

我很确定我得到了正确的辅助函数，所有的测试都通过了，我在网上找到了显示完全相同的实现的参考资料。所以它可能出错的地方只是鉴别器和生成器架构：

我看到生成器和鉴别器的错误在第一次迭代中下降到接近于零。

对于较低的学习率，例如1e-7，鉴别器和生成器的错误率会缓慢衰减，但最终会降至零，并且只会产生噪声。

我为我的实验启动并运行了张量流图，但到目前为止未能解释任何有意义的东西。如果您有任何建议或可以推荐一种调试技术，我将很高兴听到它。

根据要求，这是我的 GAN - Loss 代码：

我正在尝试创建一个非常简单的 GANs 模型，但不确定如何结合生成器和鉴别器来训练生成器

现在我不确定如何将它们结合起来，因此鉴别器将接收生成器输出，然后将传递生成器反向传播数据

我想用 Tensorflow 开发一个 GAN，生成器是自动编码器，鉴别器是具有二进制输出的卷积神经网络。开发自动编码器和 CNN 没有问题，但我的想法是为每个组件（判别器和生成器）训练 1 个 epoch，并重复此循环 1000 个 epoch，保持上一个训练 epoch 的结果（权重）为下一个。我该如何操作呢？

我正在尝试采用 KerasInfoGAN实现来从本质上提取我提供给鉴别器的图像的传输值（或嵌入）。有了这个，我想对结果向量执行相似性搜索，以找到与数据集中提供的图像最相似的 n 个图像。

我想使用 Keras，所以我将这个实现作为参考：

我发现了这个 TensorFlow 0.11实现，它们提供了实现相似性目标的功能，但是我在尝试在 Keras 中完成类似的事情时遇到了麻烦。

我想更简单地说，我想了解哪个层最适合从鉴别器中获取传输值，以及如何在 Keras 中使用经过训练的模型来做到这一点。鉴别器层：

我正在尝试构建一个简单的 mnist GAN，不用多说，它没有用。我已经搜索了很多并修复了我的大部分代码。虽然我不能真正理解损失函数是如何工作的。

这就是我所做的：

我得到 -0.0 作为我的损失值。你能解释一下如何处理 GAN 中的损失函数吗？

我有一个问题，我看不到颜色选择器。
我正在尝试生成很多线条来制作模式，让我感觉很有成就感。这是一个附带项目。
我不是最擅长编码的，所以我需要帮助。此外，您还必须将窗口最小化并重新打开它以使其在运行时正常工作。

*更新我发现颜色选择器就在那里，但就在我绘制的所有线条的后面。

这是我的代码。

我正在做一个 python 程序（使用 python3.6），它动态生成一个 .jpg 图片作为输出（我使用了 Pillow 模块）。如何在生成图片后立即自动将其直接发送到我的打印机？我试图查看该os模块，但我不知道该怎么做。

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

我正在阅读https://github.com/probcomp/gen-quickstart上的“Gen 建模简介”笔记本

第 5 节（调用其他生成函数）要求“构建一个数据集，其中线或正弦波模型是最好的是模棱两可的”

我很难理解如何使用组件函数的跟踪（和返回）来创建我可以使用的有意义的高阶跟踪。

对我来说，最直接的“模棱两可”模型是line(xs).+sine(xs). 所以我Gen.simulate编辑line并sine获取痕迹并将它们添加在一起，如下所示：

这显然是错误的，我知道我在 Gen.

我希望能够从组合中内省 sine/line_model 的迹线，并对迹线进行元素添加以获得新的迹线。并且不必随机选择接近:intercept、:phase 等的数字，因此我可以稍后将其包含在我的跟踪中。

顺便说一句，当我这样做时：

我明白了

请帮忙谢谢！