Python人工智能学习PyTorch实现WGAN示例详解
更新时间：2021年11月11日 11:59:49 作者：Swayzzu
这篇文章主要为大家介绍了人工智能学习PyTorch实现WGAN的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
1.GAN简述
在GAN中，有两个模型，一个是生成模型，用于生成样本，一个是判别模型，用于判断样本是真还是假。但由于在GAN中，使用的JS散度去计算损失值，很容易导致梯度弥散的情况，从而无法进行梯度下降更新参数，于是在WGAN中，引入了Wasserstein Distance，使得训练变得稳定。本文中我们以服从高斯分布的数据作为样本。
2.生成器模块
这里从2维数据，最终生成2维，主要目的是为了可视化比较方便。也就是说，在生成模型中，我们输入杂乱无章的2维的数据，通过训练之后，可以生成一个赝品，这个赝品在模仿高斯分布。
3.判别器模块
判别器同样输入的是2维的数据。比如我们上面的生成器，生成了一个2维的赝品，输入判别器之后，它能够最终输出一个sigmoid转换后的结果，相当于是一个概率，从而判别，这个赝品到底能不能达到以假乱真的程度。
4.数据生成模块
由于我们使用的是高斯模型，因此，直接生成我们需要的数据即可。我们在这个模块中，生成8个服从高斯分布的数据。
5.判别器训练
由于使用JS散度去计算损失的时候，会很容易出现梯度极小，接近于0的情况，会使得梯度下降无法进行，因此计算损失的时候，使用了Wasserstein Distance，去度量两个分布之间的差异。因此我们假如了梯度惩罚的因子。
其中，梯度惩罚的模块如下：
6.生成器训练
这里的训练是紧接着判别器训练的。也就是说，在一个周期里面，先训练判别器，再训练生成器。
7.结果可视化
通过visdom可视化损失值，通过matplotlib可视化分布的预测结果。
以上就是人工智能学习PyTorch实现WGAN示例详解的详细内容，更多关于PyTorch实现WGAN的资料请关注脚本之家其它相关文章！
相关文章
python2与python3爬虫中get与post对比解析
这篇文章主要介绍了python2与python3爬虫中get与post对比解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
这篇文章主要为大家介绍了OpenCV 光流Optical Flow示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-04-04
这篇文章主要介绍了基于Python实现大文件分割和命名脚本过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
今天小编就为大家分享一篇Python3单行定义多个变量或赋值方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
在matplotlib中ticks表示的是刻度,而刻度有两层意思,一个是刻标(locs),一个是刻度标签(tick labels),下面这篇文章主要给大家介绍了关于Matplotlib学习笔记之plt.xticks()用法的相关资料,需要的朋友可以参考下2022-09-09
python中的strip()可以去除头尾指定字符，只能删除头尾指定字符，想要去除中间字符，可以使用replace()函数，本文结合示例代码给大家介绍的非常详细，需要的朋友参考下吧2022-12-12
这篇文章主要为大家介绍了 Python字典的增删改查，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助2022-01-01
这篇文章主要介绍了python 监控某个进程内存的情况问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-05-05
本篇文章主要介绍了itchat实现微信好友头像拼接图的示例代码，具有一定的参考价值，有兴趣的可以了解一下2017-08-08
这篇文章主要介绍了Python 中对 XML 文件的编码转换问题,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2023-03-03
最新评论