CS390NIP Lab4:MINST和F MINST上的GAN 源码

注意:我已经完成了F-MINST额外信用额度的详细部分,但是我的报告中未注明。 我已经更新了这个README.md来说明这一点。 普拉纳夫·奈尔(Pranav Nair) 资源 完全的 完成GAN以生成清晰的F-MNIST记录。 从3个类生成。 将convnet用于GAN网络。 实施选项以选择鉴别器和生成器之间的训练比率。 (我选择在[0.0,1.0]之间使用2个比率超参数,一个用于生成器,另一个用于鉴别器) 在每个网络的培训步骤中保存损失图。 EC:生成非常详细的F-MNIST记录(没有度量标准,请尽力而为)。 (我包括使用10000个历元的F-MINST外套图像的运行) 问题 描述鉴别器和生成器。 生成器是负责根据噪声矢量生成图像的网络,其有效性由鉴别器网络确定。 鉴别器网络确定图像是否伪造,并用于训练生成器作为其损失函数。 为什么有时我们有时需要训练鉴别器和生成器不同