摘要：
上面2个函数定义好了，那么剩下的编写网络就比较容易了，我们在ResNet结构介绍中有一个表，再贴出来： Layer_name Output_size 20-layer ResNet Conv1 32 X 32 Kernel_size=3 X 3 Num_output = 16 Stride = 1 阅读全文
摘要：
3.搭建网络： 搭建网络之前，要确保之前编译 caffe 时已经 make pycaffe 了。 步骤1：导入 Caffe 我们首先在 ResNet 文件夹中建立一个 mydemo.py 的文件，本参考资料我们用 spyder 打开。要导入 Caffe 的话直接 import caffe 是不可以的 阅读全文
摘要：
先来梳理一下我们之前所写的代码，原始的生成对抗网络，所要优化的目标函数为： 此目标函数可以分为两部分来看： ①固定生成器 G，优化判别器 D， 则上式可以写成如下形式： 可以转化为最小化形式： 我们编写的代码中，d_loss_real = tf.reduce_mean(tf.nn.sigmoid_c 阅读全文
摘要：
声明：Caffe 系列文章是我们实验室 黄佳斌 大神所写的内部学习文档，已经获得他的授权允许。 本参考资料是在 Ubuntu14.04 版本下进行，并且默认 Caffe 所需的环境已经配置好，下面教大家如何搭建 KaiMing He 的 Residual Network（残差网络）。 Cite: H 阅读全文
摘要：
GAN 这个领域发展太快，日新月异，各种 GAN 层出不穷，前几天看到一篇关于 Wasserstein GAN 的文章，讲的很好，在此把它分享出来一起学习：https://zhuanlan.zhihu.com/p/25071913。相比 Wasserstein GAN ，我们的 DCGAN 好像低了 阅读全文
摘要：
在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 train.py，同时新建文件夹 logs 和文件夹 samples，前者用来保存训练过程中的日志和模型，后者用来保存训练过程中采样器的采样图片，在 train.py 中输入如下代码： 输入完成后点击运行，运行过程中 阅读全文
摘要：
在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 utils.py，输入如下代码： 这个函数的作用是在训练的过程中保存采样生成的图片。 在 /home/your_name/TensorFlow/DCGAN/ 下新建文件 model.py，定义生成器，判别器和训练过程 阅读全文
摘要：
前面我们了解了 GAN 的原理，下面我们就来用 TensorFlow 搭建 GAN（严格说来是 DCGAN，如无特别说明，本系列文章所说的 GAN 均指 DCGAN），如前面所说，GAN 分为有约束条件的 GAN，和不加约束条件的GAN，我们先来搭建一个简单的 MNIST 数据集上加约束条件的 GA 阅读全文
摘要：
前面我们用 TensorFlow 写了简单的 cifar10 分类的代码，得到还不错的结果，下面我们来研究一下生成式对抗网络 GAN，并且用 TensorFlow 代码实现。 自从 Ian Goodfellow 在 14 年发表了 论文 Generative Adversarial Nets 以来， 阅读全文
摘要：
圣诞节玩的有点嗨，差点忘记更新。祝大家昨天圣诞节快乐，再过几天元旦节快乐。 来继续学习，在/home/your_name/TensorFlow/cifar10/ 下新建文件夹cifar10_train，用来保存训练时的日志logs，继续在/home/your_name/TensorFlow/cifa 阅读全文