0
\ begingroup美元

我正在使用Tensorflow提供DCGAN 3000 320x320彩色汽车图像。其目标是生产新车。我已经在谷歌上训练了10个小时左右。我想我可以期待很快的结果,但因为这是我的第一个GAN尝试,我想知道是否有一种方法来优化两个模型的层超参数。下面是我的两个模型结构:

发电机:

model = tf.keras.Sequential() model.add(layers。稠密(20*20*128,use_bias=False, input_shape=(100,)) model.add(layers. batchnormalization ()) model.add(layers. relu ()) model.add(layers. relu ())重构((20,20,128)))断言模型。output_shape == (None, 20,20,128)模型。conv2d转置(128,(6,6),strides=(1,1), padding='same', use_bias=False))断言模型。output_shape == (None, 20,20,128)模型。BatchNormalization()) model.add(layers.ReLU()) model.add(layers.Conv2DTranspose(64, (6, 6), strides=(2, 2), padding='same', use_bias=False)) assert model.output_shape == (None, 40, 40, 64) model.add(layers.BatchNormalization()) model.add(layers.ReLU()) model.add(layers.Conv2DTranspose(32, (6, 6), strides=(2, 2), 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)

鉴频器:

model = tf.keras.Sequential() model.add(layers。Conv2D(64, (6,6), stride =(2,2), padding='same', input_shape=[320, 320, 3]))模型.add(layers. leakyrelu())模型.add(layers. dropout(0.3))模型.add(layers. dropout (0.3))Conv2D(128, (6,6), stride =(2,2), padding='same')))Conv2D(256, (6,6), stride =(2,2), padding='same')))Conv2D(512, (6,6), stride =(2,2), padding='same'))模型.add(layers.LeakyReLU())模型.add(layers.Dropout(0.3))模型.add(layers.Flatten())模型.add(layers.Dense(1))

有没有办法通过增加卷积的数量,卷积的大小…考虑到我有3000张320x320颜色的汽车图片?

| 改善这个问题 | |
\ endgroup美元

    你的答案

    点击“发表您的答案”,即表示您同意我们的答案服务条款,隐私政策饼干的政策

    浏览其他标记的问题必威英雄联盟必威电竞问自己的问题