GAN生成手写数字

利用GAN原始模型，生成手写数字，包含数据集和代码，直接可以用。

import tensorflow as tf
import numpy as np
from GAN.TWO import util
import os
from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
#读入数据
mnist=input_data.read_data_sets（‘./data‘one_hot=True）
# print（mnist）

Z=tf.placeholder（tf.float32shape=[None100]）

X=tf.placeholder（tf.float32shape=[None784]）
#喂入数据
G_sample=util.generator（Z）
D_realD_logit_real=util.discriminator（X）
D_fakeD_logit_fake=util.discriminator（G_sample）
#计算loss
D_real_loss=tf.reduce_mean（tf.nn.sigmoid_cross_entropy_with_logits（logits=D_logit_real
                                        labels=tf.ones_like（D_logit_real）））
D_fake_loss=tf.reduce_mean（tf.nn.sigmoid_cross_entropy_with_logits（logits=D_logit_fake
                                        labels=tf.zeros_like（D_logit_fake）））
D_loss=D_fake_loss+D_real_loss

G_loss=tf.reduce_mean（tf.nn.sigmoid_cross_entropy_with_logits（logits=D_logit_fake
                                        labels=tf.ones_like（D_logit_fake）））

D_optimizer=tf.train.AdamOptimizer（）.minimize（D_lossvar_list=util.theta_D）
G_optimizer=tf.train.AdamOptimizer（）.minimize（G_lossvar_list=util.theta_G）

if not os.path.exists（‘out/‘）:
    os.makedirs（‘out/‘）
“““
画图
“““
def plot（samples）:
    gs=gridspec.GridSpec（44）
    gs.update（wspace=0.05hspace=.05）
    for isample in enumerate（samples）:
        ax = plt.subplot（gs[i]）
        plt.axis（‘off‘）
        ax.set_xticklabels（[]）
        ax.set_yticklabels（[]）
        ax.set_aspect（‘equal‘）

        plt.imshow（sample.reshape（2828）cmap=‘Greys_r‘）
print（“=====================开始训练============================“）
with tf.Session（） as sess:
    sess.run（tf.global_variables_initializer（））
    for it in range（10000）:
        X_mb_=mnist.train.next_batch（batch_size=128）
        # print（X_mb）
        _D_loss_curr=sess.run（[D_optimizerD_loss]
                               feed_dict={X:X_mbZ:util.sample_z（128100）}）
        _ G_loss_curr = sess.run（[G_optimizer G_loss]
                                  feed_dict={Z: util.sample_z（128 100）}）
        if it%1000==0:
            print（‘====================打印出生成的数据============================‘）
            samples=sess.run（G_samplefeed_dict={Z: util.sample_z（16 100）}）
            plot（samples）
            plt.show（）
        if it%1000==0:
            print（‘iter={}‘.format（it））
            print（‘D_loss={}‘.format（D_loss_curr））
            print（‘G_loss={}‘.format（G_loss_curr））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-07-29 05:06  TWO\
     文件        1218  2018-07-28 16:03  TWO\util.py
     文件        3591  2018-07-28 15:38  TWO\test.py
     文件        2526  2018-07-29 05:06  TWO\main.py
     目录           0  2018-07-28 15:44  TWO\out\
     文件       18932  2018-07-28 15:44  TWO\out\001.png
     文件       31842  2018-07-28 15:47  TWO\out\000.png
     目录           0  2018-07-28 16:04  TWO\__pycache__\
     文件        1534  2018-07-28 16:04  TWO\__pycache__\util.cpython-35.pyc
     目录           0  2018-07-28 15:15  TWO\data\
     文件        4542  2018-07-28 15:15  TWO\data\t10k-labels-idx1-ubyte.gz
     文件     1648877  2018-07-28 15:15  TWO\data\t10k-images-idx3-ubyte.gz
     文件       28881  2018-07-28 15:15  TWO\data\train-labels-idx1-ubyte.gz
     文件     9912422  2018-07-28 15:15  TWO\data\train-images-idx3-ubyte.gz
     文件       60008  2018-07-28 15:06  TWO\data\train-labels-idx1-ubyte
     文件    47040016  2018-07-28 15:09  TWO\data\train-images-idx3-ubyte
     文件       10008  2018-07-28 15:09  TWO\data\t10k-labels-idx1-ubyte
     文件     7840016  2018-07-28 15:12  TWO\data\t10k-images-idx3-ubyte