Question

我在tensorflow official site中使用tensorflow穿越了GAN网络。

我在这里遇到了这个问题

generator = make_generator_model()

noise = tf.random.normal([1, 100])
generated_image = generator(noise, training=False)

plt.imshow(generated_image[0, :, :, 0], cmap='gray')

make generator_model（）返回一个顺序模型。是的，很酷。但是，generated_image呢？它不是张量值吗？当我们没有运行会话时，我们如何才能生成图像并对其进行检查，以及matplotlib pyplot函数如何在张量对象上进行绘图？它应该是numpy，据我所知，pyplot接受numpy数组来绘制图像。是不是有人可以帮我解决这个问题吗？

Answer 1

该方法定义为

 def make_generator_model():
     model = tf.keras.Sequential()
     model.add(layers.Dense(4*4*1024, use_bias = False, input_shape = (100,)))
     model.add(layers.BatchNormalization())
     model.add(layers.LeakyReLU())

如您所见，您得到的是tf.keras.Sequential

致密层

在Keras中，您可以创建图层来开发模型。模型通常是分层的网络，其中最常见的类型是分层的堆栈

在模型中添加紧密连接的层将作为形状的输入数组（，100）。数据的形状将是第一层之后的（，4 * 4 * 1024）。在这种情况下，由于会自动进行形状推断，因此您无需指定向前移动的输入大小

批处理规范化功能类似于在网络的每一层进行预处理。

对于所有正值，ReLU都是线性的，对于所有负值，ReLU均设置为零。泄漏的ReLU的负值斜率较小，而不是零。

例如，当x <0时，泄漏的ReLU可能具有y = 0.01x

更多信息https://towardsdatascience.com/developing-a-dcgan-model-in-tensorflow-2-0-396bc1a101b2

Answer 2

本教程使用TF 2.0，默认情况下使用急切执行。这意味着操作按定义运行，例如PyTorch。因此，您可以以更加“自然”的方式（例如numpy函数）来考虑控制流。立即调用generator会返回一个带有值的张量（plt.imshow会转换为一个numpy数组），不再有会话。我鼓励您查看TF网站上有关2.0更改的教程。

如何生成图像？

2 个答案:

致密层