1回答

Oscar

2018-11-22

已采纳

假如 BATCH_SIZE 是 4，那么上面的 output_batch 就会是这样：

[1,1,1,1,0,0,0,0]

为什么是 BATCH_SIZE 个 1 后接 BATCH_SIZE 个 0 呢 ？

这是因为：

• 1 代表：100% 是真实的图片

• 0 代表：不可能是真实的图片

生成网络（生成器） G 的目标就是尽量生成真实的图片去欺骗判别网络D。而判别网络（判别器）D 的目标就是尽量把 G 生成的图片和真实的图片分别开来。这样，G 和 D 构成了一个动态的“博弈过程”。

看代码里面，这句前面有：

input_batch = np.concatenate((input_batch, generated_images))

其中 np.concatenate 的两个参数 input_batch 和 generated_images 分别是实际的图片和生成器生成的“伪图片”。这两个输入数据的长度都是 BATCH_SIZE ：

# 实际的图片数据
input_batch = input_data[index * BATCH_SIZE : (index + 1) * BATCH_SIZE]

# 连续型均匀分布的随机数据（噪声）
random_data = np.random.uniform(-1, 1, size=(BATCH_SIZE, 100))
# 生成器 生成的图片数据
generated_images = g.predict(random_data, verbose=0)

因此 BATCH_SIZE 个 1 就是对应实际的图片数据，BATCH_SIZE 个 0 就是对应生成器生成的图片数据。

关于 GAN 的具体原理，请参看这篇知乎文章：GAN学习指南：从原理入门到制作生成Demo

train_on_batch 的 API ： https://www.tensorflow.org/api_docs/python/tf/keras/models/Sequential

0

1

梦人

非常感谢！

2018-12-26

共1条回复