2026a
# CGANgenerator
条件生成对抗网络生成器
函数库: TyDeepLearning
# 语法
net = CGANgenerator(numHiddenUnits, imageShape, numClasses)
# 说明
net = CGANgenerator(numHiddenUnits, imageShape, numClasses)创建条件生成对抗网络生成器。
# 示例
创建条件生成对抗网络生成器
创建一个条件生成对抗网络生成器。
using TyDeepLearning
set_backend(:mindspore)
net = CGANgenerator(100, [3,64,64], 2)
PyObject Generator<
(label_emb): Embedding<vocab_size=2, embedding_size=2, use_one_hot=False, embedding_table=Parameter (name=label_emb.embedding_table, shape=(2, 2), dtype=Float32, requires_grad=True), dtype=Float32, padding_idx=None>
(model): SequentialCell<
(0): Dense<input_channels=102, output_channels=128, has_bias=True>
(1): LeakyReLU<>
(2): Dense<input_channels=128, output_channels=256, has_bias=True>
(3): BatchNorm1d<num_features=256, eps=0.8, momentum=0.9, gamma=Parameter (name=model.3.gamma, shape=(256,), dtype=Float32, requires_grad=True), beta=Parameter (name=model.3.beta, shape=(256,), dtype=Float32, requires_grad=True), moving_mean=Parameter (name=model.3.moving_mean, shape=(256,), dtype=Float32, requires_grad=False), moving_variance=Parameter (name=model.3.moving_variance, shape=(256,), dtype=Float32, requires_grad=False)>
(4): LeakyReLU<>
(5): Dense<input_channels=256, output_channels=512, has_bias=True>
(6): BatchNorm1d<num_features=512, eps=0.8, momentum=0.9, gamma=Parameter (name=model.6.gamma, shape=(512,), dtype=Float32, requires_grad=True), beta=Parameter (name=model.6.beta, shape=(512,), dtype=Float32, requires_grad=True), moving_mean=Parameter (name=model.6.moving_mean, shape=(512,), dtype=Float32, requires_grad=False), moving_variance=Parameter (name=model.6.moving_variance, shape=(512,), dtype=Float32, requires_grad=False)>
(7): LeakyReLU<>
(8): Dense<input_channels=512, output_channels=1024, has_bias=True>
(9): BatchNorm1d<num_features=1024, eps=0.8, momentum=0.9, gamma=Parameter (name=model.9.gamma, shape=(1024,), dtype=Float32, requires_grad=True), beta=Parameter (name=model.9.beta, shape=(1024,), dtype=Float32, requires_grad=True), moving_mean=Parameter (name=model.9.moving_mean, shape=(1024,), dtype=Float32, requires_grad=False), moving_variance=Parameter (name=model.9.moving_variance, shape=(1024,), dtype=Float32, requires_grad=False)>
(10): LeakyReLU<>
(11): Dense<input_channels=1024, output_channels=12288, has_bias=True>
(12): Tanh<>
>
>
# 输入参数
numHiddenUnits-隐藏层神经元数量标量
隐藏层神经元数量。
数据类型： Int64
imageShape-生成图像尺寸向量
1 x 3的行向量，三个特征分别表示为通道数，图像的高和宽。
数据类型： Int64
numClasses-类别数向量
生成图像的类别数。
数据类型： Int64
# 输出参数
net-条件生成对抗网络生成器网络对象
输出为一个条件生成对抗网络生成器。