关键词：
以mnist数据训练为例，学习DCGAN(deep convolutional generative adversarial networks)的网络结构。
代码下载地址https://github.com/carpedm20/DCGAN-tensorflow
注1：发现代码中以mnist为训练集的网络和以无标签数据集（以下简称unlabeled_dataset）为训练集的网络不同，结构有别。以下笔记主要针对前者(Generator=3个ReLU+1个Sigmoid，Discriminator=)。
注2：事实上，以unlabeled_dataset为训练集的网络也同原网页中所画的Generator有一些不同（事实上，区别是每个conv层的filter个数被减半了。原因可能为了减少网络参数利于测试者训练？）。除此以外，结构相同。Discriminator的结构与Generator的结构正好对称。
原代码中对于有label的数据集，Generator和Discriminator的网络结构均只有两个卷积层。
预备：batch_size=64, mnist图片大小28*28*c_dim，其中c_dim=1为颜色维数，类别数10；随机输入维数z_dim=100
Generator 部分
step1（获得输入z）：服从均匀分布的输入样本z（shape=64,100）与具有one-hot形式的标签y (shape=64,10)级联，整体作为Generator的输入z (shape=64,110)
step2（获得第一个非线性层的输出h0）： 通过线性变换将z变换为维数为gfc_dim=1024的数据，对其块归一化之后进行非线性ReLU变换，得到h0 （shape=64,1024）；将h0与y级联，整体作为下一层的输入h0 （shape=64,1034）
step3（获得第二个非线性层的输出h1）：通过线性变换将h0变换为维数为128*7*7=6272的数据，对其块归一化之后进行非线性ReLU变换，得到h1 （shape=64,6272）；将h1进行reshape操作得到h1（shape=64,7,7,128）；将h1与yb（yb为y的reshape形式，即最后一维为label维，yb的shape=64,1,1,10）级联，整体作为下一层的输入h1 （shape=64,7,7,139）
step4（获得第三个非线性层的输出h2）：通过deconv2d操作，用128个filter，将h1变换为维数为64*14*14*128的数据，对其块归一化之后进行非线性ReLU变换，得到h2 （shape=64,14,14,128）；将h2与yb级联，整体作为下一层的输入h2 （shape=64,14,14,139）
step5（获得最终的生成图像generated_image）：通过deconv2d操作，用c_dim个filter，将h1变换为维数为64*28*28*1的数据，不做块归一化，进行非线性Sigmoid变换，得到generated_image（shape=64,28,28,1）
Discriminator 部分
step1（获得输入x）：真实/生成图像image（shape=64,28,28,1）和yb（shape=64,1,1,10）级联，整体作为Discriminator的输入x（shape=64,28,28,11）
step2（获得第一个卷积层的输出h0）：用c_dim+y_dim=1+10=11个大小为5*5*11的filter对输入x进行二维卷积操作，随后进行非线性LeakyReLU变换，得到h0 （shape=64,14,14,11）；将h0与标签yb级联，整体作为下一层的输入h0（shape=64,14,14,21）
step3（获得第二个卷积层的输出h1）：用df_dim+y_dim=64+10=74个大小为5*5*21的filter对h0进行二维卷积操作，块归一化(这层有)之后进行非线性LeakReLU变换，得到h1（shape=64,7,7,74）；对h1进行reshape拉成每个样本对应一维数据，并与标签y (shape=64,10)级联，整体作为下一层的输入h1（shape=64,7*7*74+10=64,3636）
step4（获得第三个卷积层的输出h2）：对h1进行线性变换，输出维数为dfc_dim=1024的数据，块归一化(这层有)操作之后进行非线性LeakyReLU变换，得到h2 （shape=64,1024）；将h2与y进行级联，整体作为下一层的输入h2（shape=64,1034）
step5（获得最终输出h3）：对h2进行线性变换，输出维数为1（用来判断真假）的数据，非线性Sigmoid变换之后得到最终输出h3 (shape=64,1) (注：实际代码中将线性变换之后的结果也进行了输出，用以计算loss)
Loss部分
真实图像和生成图像这两种图像都需要输入Discriminator得到对应的loss，整体作为Discriminator的loss；
而Generator的loss只包含有关生成图像部分；
用Adam训练，每训练两次Generator，才对Discriminator进行一次训练，防止Discriminator的loss的导数为0(无法更新)。
tensorflow学习笔记
importtensorflowastfimportnumpyasnpimportmathimporttensorflow.examples.tutorials.mnistasmnsess=tf.InteractiveSession()mnist=mn.input_data.read_data_sets("E:\Python35\Lib\site-packages\tensorflow\ 查看详情
tensorflow学习笔记一——justgetstarted
我现在什么都不知道，打算开始学习tensorflow作为机器学习入门的开始。 昨天完成了对tensorflow官方入门介绍的学习，了解了tensorflow的基本原理和编程方法。我们在进行tensorflow编程时，程序的逻辑是：建立数据流图-->... 查看详情
《tensorflow实战google深度学习框架（第二版）》学习笔记及书评(代码片段)
《TensorFlow实战Google深度学习框架（第二版）》学习笔记文章目录《TensorFlow实战Google深度学习框架（第二版）》学习笔记写在前面1.TensorFlow图像处理函数学习总结2.TensorFlow图像预处理完整样例3.TensorFlow多线程输入... 查看详情
tensorflow学习笔记3：tensorboard可视化学习
TensorBoard简介Tensorflow发布包中提供了TensorBoard，用于展示Tensorflow任务在计算过程中的Graph、定量指标图以及附加数据。大致的效果如下所示， TensorBoard工作机制TensorBoard通过读取TensorFlow的事件文件来运行。TensorFlow的事件文件... 查看详情
tensorflow学习笔记(代码片段)
TensorFlow学习笔记一、常量表示importtensorflowastfm1=tf.constant([[3,3]])m2=tf.constant([[2],[3]])product=tf.matmul(m1,m2)print(product)sess=tf.Session()result=sess.run(product)print(result)sess.close()withtf.S 查看详情
tensorflow基础笔记参考资源学习文档
1官方文档https://www.tensorflow.org/api_docs/2极客学院中文文档http://www.tensorfly.cn/tfdoc/api_docs/python/array_ops.html3TensorFlow基础笔记(2)minist分类学习 查看详情
tensorflow学习笔记2：aboutsession,graph,operationandtensor
简介上一篇笔记：Tensorflow学习笔记1：GetStarted 我们谈到Tensorflow是基于图（Graph）的计算系统。而图的节点则是由操作（Operation）来构成的，而图的各个节点之间则是由张量（Tensor）作为边来连接在一起的。所以Tensorflow的计... 查看详情
tensorflow学习笔记
一.背景 本人学习Tensorflow是为了完成毕业设计的工作，之前并没有用过其他的深度学习平台，Tensorflow作为当前很流行的一个平台，无论是教学文档，还是使用其开发的工程，这些资源都是很丰富的，所以很适合新手来进行入... 查看详情
tensorflow学习笔记：共享变量
本文是根据TensorFlow官方教程翻译总结的学习笔记，主要介绍了在TensorFlow中如何共享参数变量。教程中首先引入共享变量的应用场景，紧接着用一个例子介绍如何实现共享变量（主要涉及到tf.variable_scope()和tf.get_variable()两个接口... 查看详情
tensorflow学习笔记一
今天开始正式学习Tensorflow, 首先从源码开始，装好了CentOS7X64，并且安装了桌面版本，计划能够构建Tensorflow成功首先从Github从Fork了一个版本到我的Git账号，然后clone到本地首先要了解Bazel，这是什么东西？这是谷歌代码构建工... 查看详情
tensorflow学习笔记
tensorflow一些函数：1、tf.ones(shape,type=tf.float32,name=None) tf.ones([2,3],int32)==>[[1,1,1],[1,1,1]] 2、tf.zeros(shape,type=tf.float32,name=None) tf.zeros([2,&nb 查看详情
tensorflow学习笔记一(代码片段)
1、tensorflow中的数据类型importtensorflowastfimportnumpyasnp#张量可以是数字、列表、ndarray#使用列表创建张量print(tf.constant([2,3]))print(tf.constant([[2,3],[1,4]]))#tensorflow2默认使用Eager动态图机制print(type(tf.constant([[2,3],[1,4] 查看详情
tensorflow学习笔记入门(代码片段)
一、TensorFlow是什么？是谷歌开源的机器学习实现框架，本文从Python语言来理解学习Tensorflow以及机器学习的知识。TensorFlow的API主要分两个层次，核心层和基于核心层的高级API。核心层面向机器学习的研究人员，以... 查看详情
tensorflow学习笔记1
什么是TensorFlow? TensorFlow是Google开发的一款神经网络的Python外部的结构包,也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow让我们可以先绘制计算结构图,也可以称是一系列可人机交互的计算操作,然后把编辑好的Pyth... 查看详情
tensorflow学习笔记：mnist机器学习入门
...，首先从深度学习的入门MNIST入手。通过这个例子，了解Tensorflow的工作流程和机器学习的基本概念。一 MNIST数据集 MNIST是入门级的计算机视觉数据集，包含了各种手写数字的图片。在这个例子中就是通过机... 查看详情
学习笔记tf050:tensorflow源代码解析
TensorFlow目录结构。ACKNOWLEDGMENTS#TensorFlow版本声明ADOPTERS.md#使用TensorFlow的人员或组织列表AUTHORS#TensorFlow作者的官方列表BUILDCONTRIBUTING.md#TensorFlow贡献指导ISSUE_TEMPLATE.md#提ISSUE的模板LICENSE#版权许可README.mdRELEASE.md#每次发版 查看详情
tensorflow学习笔记——安装和运行
参考的资料：1.官网2.tensorflow官方文档中文版安装的是Python2.7;CPUsupport(noGPUsupport)，版本是1.1pipinstalltensorflow安装完成之后，进入python终端importtensorflowastf#创建常量矩阵，类型是float，去掉.的Intmatrix1=tf.constant([[3.,3.]])matrix2=tf.cons 查看详情
tensorflow学习笔记（转）
转自：http://blog.csdn.net/qq_32166627/article/details/52734387侵删。 tensorflow中有一类在tensor的某一维度上求值的函数。如： 求最大值tf.reduce_max(input_tensor,reduction_indices=None,keep_dims=False,name=None)求平均值tf.red 查看详情