c_gan

运行本目录下的程序示例需要使用PaddlePaddle develop最新版本。如果您的PaddlePaddle安装版本低于此要求，请按照安装文档中的说明更新PaddlePaddle安装版本。

代码结构

├── network.py   # 定义基础生成网络和判别网络。
├── utility.py   # 定义通用工具方法。
├── dc_gan.py    # DCGAN训练脚本。
└── c_gan.py     # conditionalGAN训练脚本。

简介

TODO

数据准备

本教程使用 mnist 数据集来进行模型的训练测试工作，该数据集通过paddle.dataset模块自动下载到本地。

训练测试conditianalGAN

在GPU单卡上训练conditionalGAN:

env CUDA_VISIBLE_DEVICES=0 python c_gan.py --output="./result"

训练过程中，每隔固定的训练轮数，会取一个batch的数据进行测试，测试结果以图片的形式保存至--output选项指定的路径。

执行python c_gan.py --help可查看更多使用方式和参数详细说明。

图1为conditionalGAN训练损失示意图，其中横坐标轴为训练轮数，纵轴为在训练集上的损失。其中，'G_loss'和'D_loss'分别为生成网络和判别器网络的训练损失。conditionalGAN训练19轮的模型预测效果如图2所示.

图 1	图 2

训练测试DCGAN

在GPU单卡上训练DCGAN:

env CUDA_VISIBLE_DEVICES=0 python dc_gan.py --output="./result"

训练过程中，每隔固定的训练轮数，会取一个batch的数据进行测试，测试结果以图片的形式保存至--output选项指定的路径。

执行python dc_gan.py --help可查看更多使用方式和参数详细说明。

DCGAN训练10轮的模型预测效果如图3所示：

图 3