生成二次元人物头像

使用Wgan生成二次元人物头像，train部分代码写的不全，自己根据需求补就行了，数据就使用李宏毅网课上提供的数据，太大了上传不了，网络使用的是DenseNet

from GAN.Discriminator import discriminator
from GAN.Generator import generator
from GAN.CreateData import read_data
import tensorflow as tf
import numpy as np
from PIL import Image

true_image = read_data（‘./dataset/CartoonCharacters/faces‘）

batch_size = 64
learning_rate = 1e-4
epochs = 100
train_steps = int（true_image.__len__（）/batch_size） + 1

if __name__ == ‘__main__‘:
    is_training = tf.placeholder（tf.bool）
    dropout_rate = tf.placeholder（tf.float32）
    X = tf.placeholder（tf.float32[batch_size96963]）

    G = generator（growth_rate_K=12is_training=is_trainingdropout_rate=dropout_rate）.generator（batch_size=batch_size）
    D_real = discriminator（growth_rate_K=12is_training=is_trainingdropout_rate=dropout_rate）.discriminator（input=X）
    D_fake = discriminator（growth_rate_K=12is_training=is_trainingdropout_rate=dropout_rate）.discriminator（input=G）

    G_cost = -tf.reduce_mean（D_fake）
    D_cost = tf.reduce_mean（D_fake） - tf.reduce_mean（D_real）

    update_ops = tf.get_collection（tf.GraphKeys.UPDATE_OPS）
    with tf.control_dependencies（update_ops）:
        G_train_op = tf.train.AdamOptimizer（learning_rate=learning_rate）.minimize（G_cost）
        D_train_op = tf.train.AdamOptimizer（learning_rate=learning_rate）.minimize（D_cost）

    sess = tf.InteractiveSession（）
    sess.run（tf.global_variables_initializer（））

    for epoch in range（epochs）:
        for i in range（train_steps）:
            start = i*batch_size
            end = min（（i+1）*batch_sizetrue_image.__len__（））
            batch = true_image[start:end]
            feed_dict_real = {
                is_training:True
                dropout_rate:0.2
                X:batch
            }
            feed_dict_fake = {
                is_training:True
                dropout_rate:0.2
            }
            for j in range（05）:
                _ D_loss = sess.run（[D_train_opD_cost]feed_dict=feed_dict_real）
            _ G_loss = sess.run（[G_train_opG_cost]feed_dict=feed_dict_fake）

            print（‘Epochs: {} training: {} D_cost: {} G_cost: {}‘.format（epoch i D_loss G_loss））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-09-27 16:48  tensorflow-GAN-CreateCartoonFaces\
     目录           0  2019-09-27 17:00  tensorflow-GAN-CreateCartoonFaces\dataset\
     目录           0  2019-09-27 17:00  tensorflow-GAN-CreateCartoonFaces\dataset\CartoonCharacters\
     文件        2102  2019-09-27 16:48  tensorflow-GAN-CreateCartoonFaces\train.py
     目录           0  2019-09-27 16:52  tensorflow-GAN-CreateCartoonFaces\Network\
     文件           0  2019-09-24 13:37  tensorflow-GAN-CreateCartoonFaces\Network\__init__.py
     文件        7218  2019-09-27 13:36  tensorflow-GAN-CreateCartoonFaces\Network\DenseNet.py
     目录           0  2019-09-27 16:49  tensorflow-GAN-CreateCartoonFaces\GAN\
     文件           0  2019-09-27 12:34  tensorflow-GAN-CreateCartoonFaces\GAN\__init__.py
     文件         290  2019-09-27 16:49  tensorflow-GAN-CreateCartoonFaces\GAN\CreateData.py
     文件         319  2019-09-27 15:11  tensorflow-GAN-CreateCartoonFaces\GAN\Discriminator.py
     文件         825  2019-09-27 16:49  tensorflow-GAN-CreateCartoonFaces\GAN\Generator.py