-
0 votesanswersviews
使用自动编码器计算感知损失而不是图像分类器(VGG-16)
对于生成对抗网络的培训我正在使用Perceptual_Loss函数 . Perceptual_Loss是用于在识别图像的特征之后找出两个图像是否彼此相似的函数 . 如上所述here我们可以使用图像分类器和自动编码器来识别特征 . 大多数开发人员使用 VGG16 作为图像分类器来计算Perceptual_Loss . 我想使用预先训练过的自动编码器(我自己训练) . 使用预先训练的自动编码器权重我... -
0 votesanswersviews
同时训练鉴别器和发生器(Tensorflow)
通常在使用TensorFlow的GAN代码中,我们有以下形式: _, D_loss_curr, _ = sess.run( [D_solver, D_loss, clip_D], feed_dict={X: X_mb, z: sample_z(mb_size, z_dim)} ) _, G_loss_curr = sess.run... -
0 votesanswersviews
作为GAN的keras中的GRU网络引发值错误
我正在尝试使用2层GRU作为鉴别器和生成器来构建GAN网络 . 我已根据以下代码https://github.com/keras-team/keras-contrib/blob/master/examples/improved_wgan.py为GAN和https://github.com/keras-team/keras/blob/master/examples/lstm_text_generat... -
2 votesanswersviews
在Keras中实施有条件的WGAN-GP
我将WGAN-GP扩展为有条件的代码库:https://github.com/eriklindernoren/Keras-GAN/blob/master/wgan_gp/wgan_gp.py 当我训练模型时,似乎并没有以标签为条件 . 这就是我构建模型的方式 . # The generator takes noise and the target label (states) as input ... -
0 votesanswersviews
删除输出层的一些神经元(Keras)
我正在使用Keras为合成数据生成制作GAN . 因此,我想使用预先确定的分类器模型作为判别器(因为我不需要训练鉴别器,只需要训练器) . 预先制作的模型是在keras中制作的,并且在最后一层 Dense(4, activation='softmax') (A,B,C,D)最初有4个输出 . 我想从C类生成合成数据.Siscriminiminator模型必须只有1个输出(假或真),所以我需要将最后... -
13 votesanswersviews
将类信息添加到keras网络
我试图找出如何使用Generative Adversarial Networks的数据集标签信息 . 我试图使用can be found here的条件GAN的以下实现 . 我的数据集包含两个不同的图像域(真实对象和草图),具有公共类信息(椅子,树,橙等) . 我选择了这种实现,它只考虑两个不同的域作为对应的不同"classes"(列车样本 X 对应于真实图像,而目标样本 y ... -
0 votesanswersviews
从Tensorflow中训练对抗性自动编码器的分布中抽样
以下是我对对抗性自动编码器潜在表示的分布执行过程的理解: 为了训练对抗性自动编码器,从先前的分布(如标准正态分布)中抽取样本,比如 p(z) ,并且鉴别器网络将该样本与潜在表示 z 进行比较,由分布 q(z) (实际上 q(z|x) )建模以输出告知的内容 . 如果 z 是先前分配中的'real'或'fake'样本 . 在Python(Tensorflow)中,这部分训练过程究竟是如何实现的? 我... -
2 votesanswersviews
改进的生成性对抗网络的Keras实现
我正在使用a keras implemented code来开发Wasserstein Generative Adversarial Gans的改进版本 . 我正在使用提供的Mnist数据库测试代码 . 在代码中,当读取Mnist时,还会加载图像的标签 . (X_train, y_train), (X_test, y_test) = mnist.load_data() 鉴别器的损失函数: dis... -
0 votesanswersviews
Keras报告错误的准确性
我正在Keras训练一个Generative Adversarial Network(GAN) . 我的日志报告说,两个网络(鉴别器和组合模型)的准确率达到了100% . 这表明出现了问题 . 我尝试运行推理,并看到鉴别器确实100%准确,但发生器只产生噪声,并没有愚弄鉴别器 . 我的问题:为什么Keras将我的组合模型的准确度报告为100%? 码: generator = create_gene... -
0 votesanswersviews
在训练GAN哪些优化器正在影响培训?
当使用简单的生成器鉴别器体系结构创建GAN时,有一个使用优化器O1编译的生成器模型,配置有其损失函数 . 具有优化器O2的鉴别器模型,配置有其损耗函数 . GAN模型,其优化器O3构建如下: GAN = Sequential() GAN.add(generator) GAN.add(discriminator) gan_optim = [an optimizer] GAN.compile(opti... -
1 votesanswersviews
Keras的生成性对抗网络不能像预期的那样工作
我是Keras机器学习的初学者 . 我正在尝试了解生成性对抗网络(GAN) . 为此,我试图编写一个简单的例子 . 我生成数据具有以下功能: def genReal(l): realX = [] for i in range(l): x = [] y = [] for i in np.arange(0.0, 1.0, 0.02): ... -
0 votesanswersviews
将图形对象传递给生成器 - keras - tf
我试图 Build 一个gan,偶然发现一个我无法理解的问题:这些是我的步骤;代码将在最后 我创建/加载所有模型:生成器,鉴别器,组合 我将鉴别器设置为不可训练每个时期 我用真实图像训练鉴别器,生成图像的鉴别器和组合模型 在步骤3b-用生成的图像训练鉴别器我需要生成器模型以生成伪图像以传递给鉴别器 . 这里出现以下错误: Tensor(“sequential_1 / img_ou... -
2 votesanswersviews
运行时错误:GAN断开连接图,因为无法获得输入
这是我的鉴别器架构: def build_discriminator(img_shape,embedding_shape): model1 = Sequential() model1.add(Conv2D(32, kernel_size=5, strides=2, input_shape=img_shape, padding="same")) mod... -
1 votesanswersviews
在Keras实施对抗性损失
我正试图在keras中实施对抗性损失 . 该模型由两个网络组成,一个自动编码器(目标模型)和一个鉴别器 . 两种型号共用编码器 . 我通过设置keras变量创建了自动编码器的对抗性损失 def get_adv_loss(d_loss): def loss(y_true, y_pred): return some_loss(y_true, y_pred) - d_loss ... -
0 votesanswersviews
用Tensorflow选择性地优化Keras模型
我正在使用Tensorflow和Keras创建一个GAN(生成对手网络) . 出现的问题是当我尝试将我的生成器训练参数列表传递到训练步骤的 vars_list 时 . 我的发电机看起来像 def create_generator(z_noise): #build layer one l1 = Dense(h1_size)(z_noise) L1 = LeakyReLU(0.... -
0 votesanswersviews
Keras GAN分别具有来自发生器和鉴别器的多个输出
我正在使用Keras来模拟GAN,我需要将两个输出结合起来,因为我有两个输出 . 一个输出来自Discriminator,在下面的代码中表示为“label”,另一个来自Generator,表示为“Bloss” . 那么是否可以将GAN(组合发电机和鉴别器)的组合模型分别与G和D的两个输出进行训练? input = Input(shape=self.input_shape) output_G... -
0 votesanswersviews
yolo的小对象检测问题 . 有一个新的想法,但新的简历和建议将非常有用
我一直在努力训练yolov3对一些非常小的物体进行检测,20x20px . 我有很多标记数据,但我只给了一个中心点(有时有点偏差~10px最大值),没有宽度和高度,这个对象的尺寸最多可以是20px到40px,有很多方向 . 在这个尺寸范围内有几种类型的对象 . 我已经基本上意识到使用yolo进行检测不会像我需要的那样,经过几个月的尝试微调它并对新模型有一些想法 . 第1步: Localize ob... -
0 votesanswersviews
Tensorflow - tf.variable_scope,GAN的重用参数
我正在尝试为项目构建一个GAN,我真的很想了解这个变量在tensorflow的variable_scope中的共享是如何工作的 . 为了构建GAN,我有一个发生器网络和两个鉴别器网络:一个鉴别器被馈送真实图像,一个鉴别器被馈送由生成器创建的伪图像 . 重要的是,用真实图像馈送的鉴别器和用假图像馈送的鉴别器需要共享相同的权重 . 为了做到这一点,我需要分享权重 . 我有一个鉴别器和生成器定义,让我们... -
0 votesanswersviews
我的WGAN生成器的丢失总是在增加,我的代码或超参数有什么用吗?
我有1500张形状(64,64,3)的图像,我训练了一个WGAN模型来生成新的图像 . 但是在训练期间,发电机损耗总是增加,鉴别器损耗总是减少,这意味着发电机不能欺骗鉴别器 . 这是网络部分的代码: class wgan_model: def __init__(self,learning_rate,beta1,beta2,batch_size,num_epoches,model_num,z... -
1 votesanswersviews
Tensorflow合并数据集可选
所以我在tensorflow中编写一个GAN,需要将鉴别器和生成器作为对象 . 现在我遇到了为鉴别器创建训练数据集的问题 . 目前,我的代码的相关部分如下所示: self.dataset=tf.data.Dataset.from_tensor_slices((self.y_,self.x_)) #creates dataset self.fake_dataset=tf.data.Dataset.f... -
0 votesanswersviews
利用预训判器进行发电机训练
我有 trained discriminator 可以区分 real and 假图像与 97% 准确度 . 现在我想训练一个生成器,它强制将真实图像重新生成为假图像 . 让我们说鉴别器给出真实图像1和假图像0 . 基于鉴别器损失,我想训练发生器以产生所需的输出 . 任何人都可以帮助我,我做得对或错了 . My Code structure is as followed for GANS . ... -
3 votesanswersviews
Keras GAN批量训练
我已经查看了一些代码/教程(教程:1和2),用于在Keras中实现GAN . 两者都进行批量培训如下: for epoch in range(epochs): # --------------------- # Train Discriminator # --------------------- # Select a random batch of images ... -
1 votesanswersviews
重新加载模型后,validation_loss突然下降
我正在测试keras / tensorflow中的cGAN,并且在1000个时期之后我保存了模型 . 经过一段时间我恢复了 发电机模型重量 鉴别器模型权重 GAN权重(模型重新创建) 这是由此产生的val_accuracy: 可以清楚地看到恢复模型后val_loss有大幅下降 . 有人可以解释一下为什么/可能导致这种情况的原因?