DCGAN生成漫畫頭像

首先肯定是下載訓(xùn)練數(shù)據(jù)，而這些訓(xùn)練數(shù)據(jù)就是一些卡通頭像。后來我們會(huì)看到這個(gè)具體的頭像
就像其他的數(shù)據(jù)集目錄一樣，它是由一些目錄和這個(gè)目錄下面的文件組成的數(shù)據(jù)集。
有相當(dāng)多的圖片。所以可以訓(xùn)練出來比較好的效果。
圖片的處理常規(guī)操作。一般就是縮減一下，縮小一下大小。中央部分的裁剪，通道的變化。

可見都是一些很小的頭像圖片。
根據(jù)論文得到的gen nn的結(jié)構(gòu)如下

判別器的結(jié)構(gòu)如下

定義損失函數(shù)

adversarial_loss = nn.BCELoss(reduction=‘mean’)
當(dāng)然再配上2 優(yōu)化器

定義D和G的forward


就是運(yùn)用前面的正向得到的loss，再給優(yōu)化器去優(yōu)化
ms.jit會(huì)編譯代碼為機(jī)器碼，加速的
這種模型訓(xùn)練的還比較快。不知道是不是網(wǎng)絡(luò)的關(guān)系？

畫個(gè)圖看看D和G的loss

loss都變小

img = np.clip(np.concatenate((images[:]), axis=0), 0, 1) 這段代碼只是將圖片里面圖片進(jìn)行一個(gè)疊加，然后再把值限定在0，1，小于0的是0，大于1的是1。
1 image shape is
把0緯度的東西，就是圖片取出來放到一起，就是把所有圖片都放一起了。而clip的意思是裁剪，把超過0，1的值變成0，1之間。好像裁剪一樣，像我前面說的那樣。

ani = animation.ArtistAnimation(fig, show_list, interval=1000, repeat_delay=1000, blit=True)
ani.save(‘./dcgan.gif’, writer=‘pillow’, fps=1)
可以把靜態(tài)圖片變成gif動(dòng)圖，看到質(zhì)量越來越高了。