我们提出了一个简单的正则化方案来处理生成对抗网络（GAN）中的模式缺失和训练不稳定的问题。 关键思想是利用鉴别器学习到的视觉特征。 我们通过向生成器提供由鉴别器提取的真实数据特征来重建真实数据。 将重建损失添加到GAN的目标函数中，以强制生成器可以根据鉴别器的特征进行重建，这有助于明确指导生成器朝着接近实际数据的可能配置进行。 所提出的重建损失提高了GAN的性能，在不同的数据集上产生了更高质量的图像，并且可以轻松地与其他正则化损失函数（例如梯度罚分）组合以提高各种GAN的性能。 我们对不同数据集上广泛采用的DCGAN体系结构和复杂的ResNet体系结构进行了实验，结果表明了该方法的有效性和鲁棒性。
2021-11-08 19:40:25
1.53MB
1
二维下料matlab代码GAN字符生成
一个基于机器学习，基于神经网络的项目，可以通过对抗性学习生成具有不同样式的单个字符。
数据包要求：模块numpy
，
tensorflow
（版本2及更高版本，但应与1一起使用）和keras
，然后将scipy加载.mat文件，并将tqdm作为实用程序包tabulate和tqdm
。
没有防护罩，因此必须安装所有防护罩，程序才能正常工作。
作者：弗朗切斯科·比安科（Francesco
Bianco）
电邮：
快速介绍
快速运行：从存储所有.py文件的工作文件夹中，创建一个名为'temp_project'的文件夹，并将其中包含EMNIST数据集的'matlab'文件夹放入其中，以使路径为./temp_project/matlab/emnist-letters.mat
（在Unix中，或等效于Windows系统.\temp_project\matlab\emnist-letters.mat
）有效。
然后启动不带命令行参数的程序以实现默认行为：它们将在'temp_project'中创建文件夹，对于基于EMNIST的网络，其前缀为'E_'，对于MNIS
2021-11-07 18:48:54
17KB
1
Android 深度学习gan网络，使照片变为动漫化风格，毕业设计源码，android studio编译。项目里有源码和apk，参考链接：https://blog.csdn.net/babyai996/article/details/121197410
2021-11-03 12:01:16
39.03MB
在PyTorch和PyTorch Lightning中生成深度学习模型的实现
DCGAN
论文：
作者：Alec Radford，Luke Metz，Soumith Chintala
代码（PyTorch）： 由
码（闪电）： 由
去做
DCGAN
Pix2Pix
循环GAN
SRGAN
2021-11-02 11:09:05
2.24MB
1
今天小编就为大家分享一篇Pytorch使用MNIST数据集实现基础GAN和DCGAN详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-11-02 09:59:12
451KB
1
程序使用pytorch库，利用生成对抗网络（GAN）算法和MNIST数据集生成手写字体，pytorch+python3.6
2021-11-01 15:05:30
5KB
1
PyTorch GAN :laptop:与 :laptop: = :red_heart:
此仓库包含各种GAN架构的PyTorch实现。目的是使初学者更容易开始玩和学习GAN。
我发现的所有存储库都掩盖了某些内容，例如将某些网络层中的偏向设置为False而没有解释为什么要做出某些设计决定。此仓库使每个设计决策透明。
目录
什么是GAN？
GAN最初是由Ian Goodfellow等人提出的。在一份名为“的开创性论文中。
甘斯是一个框架，2个模型（通常为神经网络），称为发电机（G）和鉴别器（d），玩游戏极大极小彼此抵靠。生成器正在尝试学习真实数据的分布，这是我们通常感兴趣的网络。在游戏中，生成器的目的是欺骗鉴别器“思考”它生成的数据是真实的。另一方面，鉴别器的目的是正确地区分生成的（伪）图像和来自某些数据集（例如MNIST）的真实图像。
设置
git clone https://github.com/gordicaleksa/py
2021-11-01 11:04:11
65.9MB
1