GAN程序matlab仿真

clc
clear
%% 构造真实训练样本 60000个样本 1*784维（28*28展开）
load mnist_uint8;

train_x = double（train_x（1:60000:）） / 255;
% 真实样本认为为标签 [1 0]； 生成样本为[0 1];
train_y = double（ones（size（train_x1）1））;
% normalize
train_x = mapminmax（train_x 0 1）;

rand（‘state‘0）
%% 构造模拟训练样本 60000个样本 1*100维
test_x = normrnd（01[60000100]）; % 0-255的整数
test_x = mapminmax（test_x 0 1）;

test_y = double（zeros（size（test_x1）1））;
test_y_rel = double（ones（size（test_x1）1））;

%%
nn_G_t = nnsetup（[100 784]）;
nn_G_t.activation_function = ‘sigm‘;
nn_G_t.output = ‘sigm‘;

nn_D = nnsetup（[784 100 1]）;
nn_D.weightPenaltyL2 = 1e-4;  %  L2 weight decay
nn.dropoutFraction = 0.5;   %  Dropout fraction 
nn.learningRate = 0.01;                %  Sigm require a lower learning rate
nn_D.activation_function = ‘sigm‘;
nn_D.output = ‘sigm‘;
% nn_D.weightPenaltyL2 = 1e-4;  %  L2 weight decay

nn_G = nnsetup（[100 784 100 1]）;
nn_D.weightPenaltyL2 = 1e-4;  %  L2 weight decay
nn.dropoutFraction = 0.5;   %  Dropout fraction 
nn.learningRate = 0.01;                %  Sigm require a lower learning rate
nn_G.activation_function = ‘