分類導(dǎo)航

不要慫，就是GAN (生成式對抗網(wǎng)絡(luò)) （六）：Wasserstein GAN（WGAN） TensorFlow 代碼

發(fā)布時(shí)間：2017年06月08日作者： IT網(wǎng)絡(luò)文摘 (該文來自筆記，點(diǎn)擊查看原文)

先來梳理一下我們之前所寫的代碼，原始的生成對抗網(wǎng)絡(luò)，所要優(yōu)化的目標(biāo)函數(shù)為：

此目標(biāo)函數(shù)可以分為兩部分來看：

①固定生成器 G，優(yōu)化判別器 D，則上式可以寫成如下形式：

可以轉(zhuǎn)化為最小化形式：

我們編寫的代碼中，d_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits = D_logits, labels = tf.ones_like(D)))，由于我們判別器最后一層是 sigmoid ，所以可以看出來 d_loss_real 是上式中的第一項(xiàng)（舍去常數(shù)概率 1/2），d_loss_fake 為上式中的第二項(xiàng)。

分類導(dǎo)航

不要慫，就是GAN (生成式對抗網(wǎng)絡(luò)) （六）：Wasserstein GAN（WGAN） TensorFlow 代碼

延伸閱讀

我想了解如何學(xué)習(xí)

分類導(dǎo)航

不要慫，就是GAN (生成式對抗網(wǎng)絡(luò)) （六）：Wasserstein GAN（WGAN） TensorFlow 代碼

延伸閱讀

我想了解如何學(xué)習(xí)

不要慫，就是GAN (生成式對抗網(wǎng)絡(luò)) （六）：Wasserstein GAN（WGAN） TensorFlow 代碼