生成对抗网络GAN-从最简单代码开始-到INFOGAN

前面介绍了生成对抗网络，今天从最简单的对抗网络代码开始看起来，通过四个开源生成模型的代码，一步步看到较复杂的代码。

gan学习到的特征可参考学习语义特征理解世界-InfoGAN代码复现，更多效果后续推出。

一： http://blog.aylien.com/introduction-generative-adversarial-networks-code-tensorflow/ 最简单的对抗生成网络介绍

二 将判断模型和生成模型网络都改造为多层后代码如下：

https://github.com/ikostrikov/TensorFlow-VAE-GAN-DRAW/blob/master/main-gan.py 代码如下：

定义判别模型：

计算判别模型的判别结果

定义生成模型：

计算生成模型的判别结果

运算逻辑：D1是判别真实图片的结果

D2 是判别生成图片的结果

跟进判别结果计算loss，及定义优化方法

最后两行定义判别模型和生成模型的优化方法

sess.run 运行优化过程

三 到了 https://github.com/carpedm20/DCGAN-tensorflow/blob/master/model.py DCGAN代码又略微复杂了

判别结果定义loss

定义loss后组建优化器

训练优化

四： infogan

这次倒着看，训练的时候一样是sess.run trainer

trainer的定义仍然类似优化器相关loss的参数定义

loss最初定义仍然是一样的。

但是loss的进一步计算已经有些复杂了