介绍： 我正在尝试在MNIST数据集上训练一个CDCGAN（条件深度卷积生成对抗网络），考虑到我的库（PyTorch）有一个教程，这应该是相当容易的。 但是我似乎无法使其工作正常，它只会生成垃圾或模型会崩溃，或两者兼而有之。 我尝试过的: 将模型变成条件半监督学习 使用批量归一化 在生成器和...

我正在阅读人们对DCGAN的实现，特别是在tensorflow中这个。 在那个实现中，作者绘制了判别器和生成器的损失，如下所示（图片来自https://github.com/carpedm20/DCGAN-tensorflow）： 无论是判别器还是生成器的损失似乎都没有遵循任何模式...

我正在开发一个OCR系统。我面临的挑战是识别ROI内的文本，由于抖动或运动效果拍摄或因角度位置导致的不聚焦的文本。请看以下演示样例： 如果你注意到文本（例如以红色标记出的），在这种情况下OCR系统无法正确识别文本。然而，这种情况也可能发生在没有角度拍摄的情况下，图像太模糊，OCR系统无法识别...

我正在尝试弄清楚如何在生成对抗网络中使用数据集的标签信息。我正在尝试使用以下条件GANs的实现，可以在这里找到。我的数据集包含两个不同的图像域（真实对象和草图），具有共同的类别信息（椅子、树、橙色等）。我选择了这个实现，它将这两个不同的域视为对应关系的不同“类别”（训练样本X对应于真实图像，而...

在我理解中，一个epoch是对整个数据集进行任意次重复运行，这同时又会分批处理，称为batch。每次train_on_batch后都会计算出损失值，更新权重，并使下一batch获得更好的结果。这些损失值指示了我的两个神经网络的质量和学习状态。 在多个来源中，损失值是按epoch计算（并打印）...

我创建了一个简单的 DCGAN，有6层，并在CelebA数据集上进行了训练（其中包含30K张图片）。 我发现生成的图像颜色暗淡无光，随着网络训练的进行，明亮的颜色逐渐变为暗淡的颜色！ 以下是一些示例： 这是CelebA图像的样子（用于训练的真实图像）： 这些是生成的图像，数字表示训练时间...

我正在使用这里的代码（论文在此），用于创建一个GAN。我想尝试将其应用于新领域，从他们在MNIST上的应用切换到3D脑MRI图像。我的问题在于定义GAN本身。 例如，他们用于定义生成模型的代码（取维度为z_dim的噪声并从MNIST分布产生一张28x28的图像）如下所示，我的注释是基于我对其...

我正在使用pytorch-1.5进行一些gan测试。我的代码非常简单，只是适合sin(x)函数：import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # Hyper Par...

我目前正在使用Keras训练WGAN，使用约等于Wasserstein损失的方法如下：def wasserstein_loss(y_true, y_pred): return K.mean(y_true * y_pred) 然而，这种损失明显可以是负数，这对我来说很奇怪。 我训练了W...

我希望更改已保存的模型的输入和输出签名，我使用tf.Module对象构建了主模型的操作。 class Generator(tf.Module): def __init__(....): super(Generator, self).__init__(name=name...