Python人工智能学习PyTorch实现WGAN示例详解
更新时间：2021年11月11日 11:59:49 作者：Swayzzu
这篇文章主要为大家介绍了人工智能学习PyTorch实现WGAN的示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步
1.GAN简述
在GAN中，有两个模型，一个是生成模型，用于生成样本，一个是判别模型，用于判断样本是真还是假。但由于在GAN中，使用的JS散度去计算损失值，很容易导致梯度弥散的情况，从而无法进行梯度下降更新参数，于是在WGAN中，引入了Wasserstein Distance，使得训练变得稳定。本文中我们以服从高斯分布的数据作为样本。
2.生成器模块
这里从2维数据，最终生成2维，主要目的是为了可视化比较方便。也就是说，在生成模型中，我们输入杂乱无章的2维的数据，通过训练之后，可以生成一个赝品，这个赝品在模仿高斯分布。
3.判别器模块
判别器同样输入的是2维的数据。比如我们上面的生成器，生成了一个2维的赝品，输入判别器之后，它能够最终输出一个sigmoid转换后的结果，相当于是一个概率，从而判别，这个赝品到底能不能达到以假乱真的程度。
4.数据生成模块
由于我们使用的是高斯模型，因此，直接生成我们需要的数据即可。我们在这个模块中，生成8个服从高斯分布的数据。
5.判别器训练
由于使用JS散度去计算损失的时候，会很容易出现梯度极小，接近于0的情况，会使得梯度下降无法进行，因此计算损失的时候，使用了Wasserstein Distance，去度量两个分布之间的差异。因此我们假如了梯度惩罚的因子。
其中，梯度惩罚的模块如下：
6.生成器训练
这里的训练是紧接着判别器训练的。也就是说，在一个周期里面，先训练判别器，再训练生成器。
7.结果可视化
通过visdom可视化损失值，通过matplotlib可视化分布的预测结果。
以上就是人工智能学习PyTorch实现WGAN示例详解的详细内容，更多关于PyTorch实现WGAN的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要给大家分享3个超有用的 Python 编程小技巧，文章都是一些再编程中很有用的小技巧，具有一定的参考价值,需要的朋友可以参考一下，希望对你有所帮助2021-12-12
Python的logging模块提供了记录程序运行情况的日志功能,类似于Apache的log4j,很好很强大,这里我们就来看一下Python中内置的日志模块logging用法详解2016-07-07
这篇文章主要介绍了Python设计模式编程之桥接模式的运用,桥接模式主张把抽象部分与它的实现部分分离,需要的朋友可以参考下2016-03-03
python中的operator模块提供了一系列的函数操作。下面这篇文章主要给大家介绍了在Python中利用operator模块实现对象的多级排序的相关资料，需要的朋友可以参考借鉴，下面来一起看看吧。2017-05-05
这篇文章主要介绍了Python爬取爱奇艺电影信息代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-11-11
这篇文章主要为大家介绍了python丰富的编程思维，文中通过python的几行短代码示例来给大家进行详细的讲解，有需要的朋友可以借鉴参考下，希望能够有所帮助2021-11-11
这篇文章主要介绍了解决Jupyter无法导入已安装的 module问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
这篇文章主要为大家详细介绍了一些Python中带时区的日期转换工具类，文中的示例代码讲解详细，具有一定的学习价值，感兴趣的小伙伴可以跟随小编一起了解一下2023-05-05
本文主要介绍了Python代码部署的三种加密方案，主要介绍了代码混淆、代码编译、代码打包这三种，具有一定的参考价值，感兴趣的可以了解一下2023-02-02
这篇文章主要为大家介绍了pytest自动化测试中的fixture的声明和调用，文中含有详细示例操作有需要的朋友可以借鉴参考下，希望能够有所帮助2021-10-10
最新评论