GitHub

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。

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。

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

先运行TFR_process.py产生TFRecord数据：

本部分涉及参量如下（位于TFR_process.py的起始位置）：

然后再运行DC_GAN.py使用前面的数据训练DC_GAN，

或者

当时为了方便，这些参量的设置也放在了TFR_process.py中，

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，

即可直接生成一组图像。