文件名称：BEGAN:Tensorflow中的边界均衡生成对抗网络的实现
文件大小：853KB
文件格式：ZIP
更新时间：2024-05-25 23:08:23
Python
开始：边界平衡生成对抗网络 这是关于边界均衡生成对抗网络的论文的实现 。 依存关系 Python 3+ 麻木 张量流 tqdm h5py scipy（可选） 什么是边界均衡生成对抗网络？ 与标准的生成对抗网络，边界平衡生成对抗网络（BEGAN）使用自动编码器作为判别器。 定义自动编码器损耗，然后在真实样本和生成的样本的像素式自动编码器损耗分布之间计算Wasserstein距离的近似值。 在定义了自动编码器损耗的情况下（上图），Wasserstein距离近似简化为损耗函数，其中可区分的自动编码器的目标是在真实样本上表现出色，而在生成的样本上表现不佳，而生成器的目标是生成具有鉴别力的对抗样本忍不住表现出色。 此外，引入了超参数伽玛，它使用户能够通过平衡鉴别器和发生器来控制样品的多样性。 伽玛通过使用加权参数k来生效，该参数在训练时会进行更新以适应损失函数，从而使我们的输出与所需的
【文件预览】：
BEGAN-master
----datasets()
--------download_celebA.py(2KB)
--------prepare_celeba.py(913B)
----readme()
--------eq_losses.png(22KB)
--------eq_gamma.png(10KB)
--------eq_autoencoder_loss.png(33KB)
--------generated_from_Z.png(419KB)
--------eq_conv_measure.png(11KB)
--------eq_objective.png(21KB)
--------eq_global.png(10KB)
--------conv_measure_vis.png(314KB)
----LICENSE(1KB)
----discriminator.py(4KB)
----utils()
--------custom_ops.py(2KB)
--------misc.py(3KB)
----checkpoints()
--------checkpoint(48B)
----README.md(7KB)
----config.py(105B)
----main.py(11KB)
----generator.py(3KB)