← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9427.j · 生成模型:Tencent Hunyuan Hy

条件GAN的可控生成

理解等级:中级

条件 GAN(CGAN)在生成器和判别器中都引入标签信息,让生成过程可控,能按指定类别产出数据。标签扩展了双方入口,表示为一热向量,例如 MNIST 中数字 2 写作 [0,0,1,0,0,0,0,0,0,0];其余与常规 GAN 相似。实现时用 np_utils.to_categorical 把标签转成十维一热编码,批处理函数同时返回图像与标签;生成器用 tf.concat 把噪声 z 与标签 y 拼接后送入全连接层,判别器同样把样本 x 与 y 拼接。展示时按类设置 sample_y 即得对应数字。CGAN 可完全控制生成数字,属性控制则由[[InfoGAN的潜在条件变量]]实现。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第07章《生成对抗网络》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/13.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文明确 CGAN 把标签喂给双方以获得按标签生成的能力,支撑以标签拼接实现可控生成的结论。 - 原始内容:条件 GAN(CGAN)通过将标签信息馈送到生成器和判别器,从而希望生成特定标签的数据,从而使我们可以控制要生成的内容。