Python-各种对抗神经网络GAN大合集

各种对抗神经网络（GAN）大合集

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np
import matplotlib as mpl
mpl.use（‘Agg‘）
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import os sys

sys.path.append（‘utils‘）
from nets import *
from datas import *

def sample_z（m n）:
	return np.random.uniform（-1. 1. size=[m n]）

# for test
def sample_y（m n ind）:
	y = np.zeros（[mn]）
	for i in range（m）:
		y[i i%8] = 1
	#y[:7] = 1
	#y[-10] = 1
	return y

def concat（zy）:
	return tf.concat（[zy]1）

class CGAN_Classifier（object）:
	def __init__（self generator discriminator classifier data）:
		self.generator = generator
		self.discriminator = discriminator
		self.classifier = classifier
		self.data = data

		# data
		self.z_dim = self.data.z_dim
		self.y_dim = self.data.y_dim # condition
		self.size = self.data.size
		self.channel = self.data.channel

		self.X = tf.placeholder（tf.float32 shape=[None self.size self.size self.channel]）
		self.z = tf.placeholder（tf.float32 shape=[None self.z_dim]）
		self.y = tf.placeholder（tf.float32 shape=[None self.y_dim]）

		# nets
		self.G_sample = self.generator（concat（self.z self.y））

		self.D_real _ = self.discriminator（self.X）
		self.D_fake _ = self.discriminator（self.G_sample reuse = True）
	
		self.C_real = self.classifier（self.X）
		self.C_fake = self.classifier（self.G_sample reuse = True）
	
		# loss
		self.D_loss = tf.reduce_mean（tf.nn.sigmoid_cross_entropy_with_logits（logits=self.D_real labels=tf.ones_like（self.D_real））） + tf.reduce_mean（tf.nn.sigmoid_cross_entropy_with_logits（logits=self.D_fake labels=tf.zeros_like（self.D_fake）））
		self.G_loss = tf.reduce_mean（tf.nn.sigmoid_cross_entropy_with_logits（logits=self.D_fake labels=tf.ones_like（self.D_fake）））
		self.C_real_loss = tf.reduce_mean（tf.nn.softmax_cross_entropy_with_logits（logits=self.C_real labels=self.y）） # real label
		self.C_fake_loss = tf.reduce_mean（tf.nn.softmax_cross_entropy_with_logits（logits=self.C_fake labels=self.y））  

		# solver
		self.D_solver = tf.train.AdamOptimizer（learning_rate=2e-4 beta1=0.5）.minimize（self.D_loss var_list=self.discriminator.vars）
		self.G_solver = tf.train.AdamOptimizer（learning_rate=2e-4 beta1=0.5）.minimize（self.G_loss + self.C_fake_loss var_list=self.generator.vars）
		self.C_real_solver = tf.train.AdamOptimizer（learning_rate=2e-4 beta1=0.5）.minimize（self.C_real_loss var_list=self.classifier.vars）
		#self.C_fake_solver = tf.train.AdamOptimizer（learning_rate=2e-4 beta1=0.5）.minimize（self.C_fake_loss var_list=self.generator.vars）
		
		self.saver = tf.train.Saver（）
		gpu_options = tf.GPUOptions（allow_growth=True）
		self.sess = tf.Session（config=tf.ConfigProto（gpu_options=gpu_options））

	def train（self sample_dir ckpt_dir=‘ckpt‘ training_epoches = 1000000 batch_size = 32）:
		fig_count = 0
		self.sess.run（tf.global_variables_initializer（））
		
		for epoch in range（training_epoches）:
			# update D
			for _ in range（1）:
				X_b y_b = self.data（batch_size）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-09-08 03:23  GAN-master\
     目录           0  2017-09-08 03:23  GAN-master\Datas\
     目录           0  2017-09-08 03:23  GAN-master\Datas\mnist\
     文件     1648877  2017-09-08 03:23  GAN-master\Datas\mnist\t10k-images-idx3-ubyte.gz
     文件        4542  2017-09-08 03:23  GAN-master\Datas\mnist\t10k-labels-idx1-ubyte.gz
     文件     9912422  2017-09-08 03:23  GAN-master\Datas\mnist\train-images-idx3-ubyte.gz
     文件       28881  2017-09-08 03:23  GAN-master\Datas\mnist\train-labels-idx1-ubyte.gz
     文件       12072  2017-09-08 03:23  GAN-master\README.md
     目录           0  2017-09-08 03:23  GAN-master\README\
     目录           0  2017-09-08 03:23  GAN-master\README\images\
     文件        7178  2017-09-08 03:23  GAN-master\README\images\cgan.png
     文件        6753  2017-09-08 03:23  GAN-master\README\images\gan.png
     文件        4228  2017-09-08 03:23  GAN-master\README\images\infogan1.png
     文件        4777  2017-09-08 03:23  GAN-master\README\images\infogan2.png
     目录           0  2017-09-08 03:23  GAN-master\README\results\
     文件       47347  2017-09-08 03:23  GAN-master\README\results\cgan_mlp.png
     文件      151303  2017-09-08 03:23  GAN-master\README\results\face3D_dcgan.png
     目录           0  2017-09-08 03:23  GAN-master\Samples\
     目录           0  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\
     文件       32085  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\000_0.png
     文件       14637  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\001_1.png
     文件       13206  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\002_2.png
     文件       12778  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\003_3.png
     文件       12493  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\004_4.png
     文件       12609  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\005_5.png
     文件       12861  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\006_6.png
     文件       11793  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_classifier\348_8.png
     目录           0  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_conv\
     文件       31917  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_conv\000_0.png
     文件       13567  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_conv\001_1.png
     文件       11557  2017-09-08 03:23  GAN-master\Samples\mnist_cgan_conv\002_2.png
............此处省略127个文件信息