1回答
我有一个模型，它本质上是一个辅助条件GAN；模型的第一部分是生成器，最后一部分是鉴别器。鉴别器进行多类(k=10)预测。在的工作之后(pp3是一个有用的图，但请注意，为了这个问题的目的，我忽略了网络结构的修改)，我通过生成合成输入和类标签(“内部循环”)来训练整个模型进行T=32迭代。我如何使用Keras实现这一点？可以在Keras中进行循环展开吗？我如何提供一个任意的损失，并将其支撑到展开的层中？
更新:现在有一个实现，在PyTorch中，它使用了Facebook的“更高”库。这似乎意味着，为了在整个<
浏览 1提问于2020-03-16得票数 1
tf.keras.losses.BinaryCrossentropy(from_logits=False, label_smoothing=0,
reduction=losses_utils.ReductionV2.AUTO, name='binary_crossentropy') 如果我指定label_smoothing = 0.1，这是否意味着它将生成0到0.1之间的随机数，而不是硬标签0(对于假图像)和0.9我正在努力稳定我的生成性对抗网络训练。谢谢。
浏览 30提问于2020-10-09得票数 2
0回答
我在使用Theano后端的keras中看到了一些GRL层的代码片段。如何使用Tensorflow后端实现它。我使用keras的经验较少。我正在尝试实现DANN (领域对抗神经网络)
浏览 6提问于2017-11-27得票数 0
1回答
我注意到了几个版本的鉴别器训练函数。D.trainable = True
noise = np.abs(np.random.randn(batch_size,100))
x_fake = G.predict(noise)y_fake[:,0] = 1
x_real = np.array([sample_data_pp(num=100)[0] for i in range(batch_si
浏览 3提问于2020-08-18得票数 0
我正在尝试做一个生成性对抗网络，但我不能适应生成器模型。我使用仅具有密集层的顺序()模型，首先使用input_shape=(1，)，最后使用imgsize * imgsize1 *3输出空间。ValueError:检查目标时出错:要求GenDense5具有形状(1，)，但得到形状为(2352，)的数组 keras.layers.Dense(1, input_shape=(1,), activation=tf.nn.si
浏览 11提问于2019-07-05得票数 1
回答已采纳
My Drive/audio_ml_proj/Emotion_Model_aug.h5")opt = keras.optimizers.rmsprop我想这是因为我的anaconda中的包不是那么更新的，我也把我的keras更新到了最新的版本。
任何帮助现在都是很好的选择，请帮助。
浏览 1提问于2020-03-08得票数 1
回答已采纳
1回答
这是解码-卷积生成对抗性网络(DC-GAN)代码的一部分。我在keras文档中读到过，但不明白它在这里做什么。具有TensorFlow后端完整源代码的Keras：
浏览 2提问于2017-12-26得票数 1
回答已采纳
1回答
我想为我的神经网络实现一个自定义的损失函数，以考虑训练过程中对抗性例子的贡献，用快速梯度符号法计算。其中，J是一个经典的范畴交叉熵，计算了输入的wrt。x + delta就是对抗性的例子。网络结构sentence = Input(shape=(story_maxlen,))
encoded_sentence = Embedding(vocab_size, embed_sizemodel.compile(optimizer="adam", loss
浏览 2提问于2020-04-16得票数 1
回答已采纳
1回答
当我读到Cartoongan 卡通络:用于照片卡通化的生成对抗性网络的报纸时，我对vgg在整个网络中的位置感到非常困惑。
根据关于GAN 生成对抗性网的文章，我看不到网络中存在vgg的任何地方。
浏览 0提问于2022-09-20得票数 1
回答已采纳
2回答
我想知道，为什么在我看到的大多数GAN模型(至少在MNIST中)，激活函数(用于鉴别器和生成器)是tanh？ReLu不是更高效吗？(我总是为预测网络阅读这篇文章)
谢谢!
浏览 3提问于2017-01-06得票数 9
1回答
Keras使用顺序图层添加数据
、、、、
我在Keras中有两个顺序模型： model = Sequential() discriminator.trainable = False return model
我用它来训练网络但是，我的<em
浏览 17提问于2017-03-11得票数 1
回答已采纳
1回答
在上面的图像中，我们看到了鉴别器和生成器都在向100%的准确率竞争。我原以为，如果正确地建立了模型，他们会有一个逆关系，然后一个人可以继续调整超参数。
如果甄别器太强，如何解释发电机的行为？我已经将这两个优化器更新为Keras Adam，并且给生成器提供了比鉴别器更高的学习速度，此外，每一次对判别器的批量培训，还会对生成器进行两次培训。
浏览 4提问于2020-07-17得票数 0
我有很多批次，我不知道当涉及到keras中的GANs时，您会如何进行交叉验证。对于一个简单的神经网络，它是难以置信的简单，如文档中所示： model.fit(X, Y, validation_split=0.33, epochs=15, batch_size=100) 然而，我正在尝试为我已经在互联网上搜索过了，没有发现任何人在keras中对GANs进行交叉验证。 提前感谢！
浏览 34提问于2020-04-22得票数 1
1回答
在原始GAN (生成对抗性网络)论文)，生成对抗性网络由I.古德费罗，J. Pouget，M.阿尔。
浏览 0提问于2022-10-03得票数 3
回答已采纳
我正在尝试创建一个非常简单的GANs模型，并且不确定如何将生成器和鉴别器结合起来用于训练生成器from keras.layers importInput, Denseimport numpy as np
def build_generator(input_dimdiscriminator.compile(loss='mean_squared_erro
浏览 5提问于2017-11-22得票数 0
回答已采纳
我试图从上运行代码，这是一个使用keras的生成对抗性网络的实现。我按照说明安装了所有的要求。然后我尝试运行的代码。但是，库的兼容性似乎存在一些问题。build_discriminatorFile "/opt/libraries/anaconda2/lib/python2.7/site-packages/kerasadd
output_tensor = laye
浏览 1提问于2018-02-22得票数 5
回答已采纳
我正在对抗性地训练一个从Keras加载的resnet-50，使用来自cleverhans的FastGradientMethod，并期望对抗性准确率至少提高90% (可能是99.x%)。当训练没有和对抗损失函数时，精度在3000个样本后不会卡住，但在第一个时期继续上升> 0.95。当用lenet-5，alexnet和vgg19替换网络时，代码按预期工作，并且实现了与非对抗性的categorical_corssentropy损失功能绝对相当的准确性。ResNet-50获取代码：
def
浏览 4提问于2020-04-07得票数 1
这是神经网络栈可视化计算的一种全新方法。但我的问题是。是否可以使用CapsNet作为GAN。我只理解CapsNet的概念，但不理解技术限制。这有可能吗？
这听起来对我来说是个不错的研究领域：)
浏览 0提问于2017-11-23得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
