一种基于TensorFlow的DCGAN模型实现

被引：3

作者：

樊雷

机构：

[1] 连云港师范高等专科学校

来源：

电脑知识与技术 | 2017年 / 13卷 / 36期

关键词：

DCGAN; 深度学习; TensorFlow; GAN;

D O I：

10.14004/j.cnki.ckt.2017.4017

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

卷积神经网络CNN目前在有监督学习领域有着优秀的表现,但在无监督学习领域研究进展缓慢。该文将CNN引入到GAN中的生成式模型中做无监督训练,利用CNN强大的特征提取能力来提高生成式模型的学习效果,采用TensorFlow和Python代码实现了DCGAN中的D模型和G模型,并在MNIST部分数据集下验证了模型生成数字图像效果。实验结果表明采用DCGAN可以有效获取图像表征用于分类并具备生成较高分辨率的图像能力。

引用

页码：219 / 221

页数：3

共 6 条

[1]

Intriguing proper-ties of neural networks. Szegedy C,Zaremba W,Sutskever I,et al. . 2014

[2]

Tensor Flow:A system for large-scalemachine learning. Abadi M,Barham P. . 2016

[3]

Generativeadversarial nets. Goodfellow Ian,Pouget-Abadie J,Mirza M,et al. . 2014

[4]

Unsupervised representationlearning with deep convolutional generative adversarial net-works. Radford A,Metz L,Chintala S. . 2015

[5]

Semantic Image Inpaintingwith Perceptual and Contextual Losses. Yeh R,Chen C,Lim T Y,et al. . 2016

[6]

Generating images with re-current adversarial networks. Im D J,Kim C D,Jiang H,et al. . 2016

← 1 →