2026a
# GAN
生成对抗网络
函数库: TyDeepLearning
# 语法
net = GAN(generatornet, discriminatornet)
# 说明
net = GAN(generatornet, discriminatornet)创建生成对抗网络模型。
生成对抗网络模型， 最早由Ian Goodfellow等人于2014年提出的GAN模型。包括一个生成器和一个判别器。
# 示例
创建生成对抗网络模型
创建一个生成对抗网络模型。
using TyDeepLearning
set_backend(:mindspore)
generator = GANgenerator(100, [3,64,64])
discriminator = GANdiscriminator([3,64,64])
net = GAN(generator, discriminator)
TyDeepLearning.MindSpore.GANmodel(PyObject Generator<
(model): SequentialCell<
(0): Dense<input_channels=100, 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<>
>
>, PyObject Discriminator<
(model): SequentialCell<
(0): Dense<input_channels=12288, output_channels=512, has_bias=True>
(1): LeakyReLU<>
(2): Dense<input_channels=512, output_channels=256, has_bias=True>
(3): LeakyReLU<>
(4): Dense<input_channels=256, output_channels=1, has_bias=True>
(5): Sigmoid<>
>
>)
# 输入参数
generatornet-生成器标量
生成对抗网络生成器。
数据类型： Int64
discriminatornet-判别器标量
生成对抗网络判别器。
数据类型： Int64
# 输出参数
net-生成对抗网络模型网络对象
输出为一个生成对抗网络模型。