0.
$ \ begingroup $

我正在使用Tensorflow来喂食DCGAN 3000 320x320的汽车彩色图像。目标是生成新车。我一直在谷歌Colab训练过去10个小时左右。我想我可以很快预期结果,但由于这是我的第一个GaN尝试之一,我想知道是否有一种方法可以在这两个模型上优化图层超参数。以下是我的模型结构:

发电机:

model = tf.keras.sequentient()model.add(图层.dense(20 * 20 * 128,deverment_bias = false,input_shape =(100,)))model.add(图层.batchnormalization())model.add(图层.relu())model.add(图层.reshape((20,20,128)))Assert Model.Output_shape ==(无,20,20,128)model.add(图层.conv2dtranspose(128,(6,6),strides =(1,1),padding ='相同',demeder_bias = false))senrert model.output_shape ==(无,20,20,128)model.add(图层.batchnormalization())model.add(layers.relu())model.add(tallers.conv2dtranspose(64,(6,6),strides =(2,2),padding ='sider',dement_bias = false))senrert models.output_shape ==(无,40,40,44)model.add(图层.batchnormalization())model.add(layers.relu())model.add(图层.conv2dtranspose(32,(6,6),strides =(2,2)那padding='same', use_bias=False)) assert model.output_shape == (None, 80, 80, 32) model.add(layers.BatchNormalization()) model.add(layers.ReLU()) model.add(layers.Conv2DTranspose(16, (6, 6), strides=(2, 2), padding='same', use_bias=False)) assert model.output_shape == (None, 160, 160, 16) model.add(layers.BatchNormalization()) model.add(layers.ReLU()) model.add(layers.Conv2DTranspose(3, (6, 6), strides=(2, 2), padding='same', use_bias=False, activation='tanh')) assert model.output_shape == (None, 320, 320, 3)

判别符号:

model = tf.keras.sequentient()model.add(图层.conv2d(64,(6,6),strides =(2,2),padding ='side',input_shape = [320,320,3])))model.add(图层.Leakyrelu())model.add(图层。dropout(0.3))model.add(图层.conv2d(128,(6,6),strides =(2,2),padding ='sider'))Model.Add(图层.Leakyrelu())Model.ADD(图层.DROPOUT(0.3))Model.ADD(图层.CONV2D(256,(6,6),Strides =(2,2),Padding ='相同'))model.add(layers.leakyrelu())model.add(图层。dropout(0.3))model.add(图层.conv2d(512,(6,6),strides =(2,2),填充='相同'))model.add(layers.leakyrelu())model.add(tallers.dropout(0.3))model.add(图层.flatten())model.add(图层.dense(1))

是否有一种方法可以通过增加卷积,卷积尺寸的数量来使它们更好

| 改善这个问题 | |
$ \ endgroup $

    你的答案

    点击“发布答案”,您同意我们的同意服务条款隐私政策Cookie政策

    浏览其他标记的问题必威英雄联盟要么必威电竞问你自己的问题