1.本文是我的新手作，主要是記錄一些學習gan（生成式對抗網路）的過程和心得體會，能夠提供一些學習的動力，各位看官能看就看。用到的是系統和相關軟體是win7+anaconda3+tensorflow-gpu-1.8.0，python版本是3.5.5。至於為什麼不用ubuntu系統，emm主要是怕折騰，以為win7用起來順手，最後發現掉進了大坑
（3）一般說來，為了更快更方便的學習（其實是為了更快讓小白入坑。。），我們會在tensorflow的基礎上安裝keras框架，直接pip install keras即可。這裡附乙個keras中文文件
這些坑都填完了之後，就可以愉（tong）快（ku）地進行gan的學習了，以及下一步的填坑
3.安裝完之後，可以用conda list命令來檢查tensorflow-gpu環境下安裝的各種庫及其版本。
然後可以跑跑mnist資料集，看看生成些啥。可以在spyder中ipython console視窗輸入run命令，用的是dcgan，現成的輪子，**就不貼了，看看效果：
左上圖是初始的雜訊，右上圖是乙個epoch之後的生成圖，左下圖是3個epoch之後的，右下圖是10個epoch之後的，可以看出已經初具數字模樣。
這是跑完25個epoch的生成圖，大多數數字已經清晰可見。計時顯示，將乙個6萬多的資料集（patch size為128）跑完25個epoch，時間大約為22分鐘，完全跑完100個epoch估計在100分鐘以內（未測試），效率比用cpu快了將近20倍（nvidia 1070 ti顯示卡）。
最後提一下怎樣用nvidia-smi.exe看gpu使用率：直接在c:\program files\nvidia corporation\nvsmi下找到nvidia-smi.exe檔案，複製到桌面備用，開啟anaconda prompt，直接拖動nvidia-smi.exe圖示到anaconda prompt視窗內回車，得到下圖，可以看到gpu的佔用率為40%。
暫時占個坑，以後在慢慢補充。。。
GAN 學習筆記 1 leah
例如 乙個能夠生成二次元影象的gan 訓練乙個generator g 輸入乙個vector，輸出乙個image 同時訓練乙個discriminator d 輸入乙個image，輸出乙個score，評價image有多真實 兩者相互對抗，目標是g生成出足以騙過well trained d 的 訓練過程 ...
GAN學習筆記
參考原文 gan的思想是是一種二人零和博弈思想 two player game 博弈雙方的利益之和是乙個常數，比如兩個人掰手腕，假設總的空間是一定的，你的力氣大一點，那你就得到的空間多一點，相應的我的空間就少一點，相反我力氣大我就得到的多一點，但有一點是確定的就是，我兩的總空間是一定的，這就是二人博...
學習筆記 GAN
gan直觀理解 造假酒的造假者不斷從鑑定師那裡得到反饋從而技術不斷提公升改良製造的假酒越發與真酒無異 鑑定師鑑定技術也隨著不斷提公升。gan 由以下兩部分組成。生成器網路 generator network 它以乙個隨機向量 潛在空間中的乙個隨機點 作 為輸入，並將其解碼為一張合成影象。判別器網路 ...