GitHub | 您所在的位置:网站首页 › 三岁动漫头像 › GitHub |
DCGAN简单实现
相关资源
数据来源: 动漫头像地址(密码g5qa) 结果分析: 『TensorFlow』DCGAN生成动漫人物头像_下 数据预处理程序TFR_process.py介绍: 『TensorFlow』读书笔记_TFRecord学习 『TensorFlow』TFR数据预处理探究以及框架搭建 根据网上开源项目以及自己的理解尝试出的DCGAN实现,重点在于熟悉TensorFlow对于这种特殊网络结构的控制流程学习,结果展示以及训练过程的分析见上面博客。 1、预处理有关生成式网络图片预处理的探讨实验见博客: 『TensorFlow』生成式网络中的图片预处理 数据在预处理时采用了原像素数据除以127.5减去1的操作,使得输出值保持在-1~1之间,这样配合sigmoid激活函数可以很好的模拟学习。 2、目录介绍TFR_process.py:TFRecode数据生成以及处理脚本 ops.py:层封装脚本 DCGAN_class.py:使用类的方式实现DC_GAN,因为是重点所以代码中给出了详尽的注释 DCGAN_function.py:使用函数的方式实现DC_GAN,因为上面版本受开源项目影响较大,代码繁杂,这里进行了改写,采取了更为清晰的写法 utils.py:格式化绘图、保存图片函数,开源项目直接找来的 DCGAN_reload.py:利用已经训练好的模型生成一组头像 Data_Set/cartoon_faces:此处目录下放置头像图片 3、实验步骤先运行TFR_process.py产生TFRecord数据: python TFR_process.py本部分涉及参量如下(位于TFR_process.py的起始位置): # 定义每个TFR文件中放入多少条数据 INSTANCES_PER_SHARD = 10000 # 图片文件存放路径 IMAGE_PATH = './Data_Set/cartoon_faces' # 图片文件和标签清单保存文件 IMAGE_LABEL_LIST = 'images_&_labels.txt' # TFR文件保存路径 TFR_PATH = './TFRecord_Output'然后再运行DC_GAN.py使用前面的数据训练DC_GAN, python DCGAN_class.py或者 python DCGAN_function.py当时为了方便,这些参量的设置也放在了TFR_process.py中, # TFR保存图像尺寸 IMAGE_HEIGHT = 48 IMAGE_WIDTH = IMAGE_HEIGHT IMAGE_DEPTH = 3 # 训练batch尺寸 BATCH_SIZE = 64这是因为我的数据读取函数batch_from_tfr位于此文件中,该函数可以设置传入网络的图片大小。 已经训练好模型了的话如下操作, python DCGAN_reload.py即可直接生成一组图像。 4、网络示意 |
CopyRight 2018-2019 实验室设备网 版权所有 |