标签：09 name img torch list ims plt DCGAN save
DCGAN github链接：https://github.com/darr/DCGAN
DCGAN:
1.在一次epoch中，如果第i批的i能够整除every_print,则打印到output文件中（打印出来）
2.训练过程：计算损失，梯度下降
3.iters：所有epochs累加到一块，迭代总次数
如果iters能够整除save_print,或者进行到了最后一个epoch and i是最后一个epoch的最后一组，则保存该生成模型
具体操作：
1.将生成的64张图片放入G网络中，生成一组假图片测试G网络的效果，这些假图片放入img_lst中
2.将train_model的字典的state_dict()，使用torch.save(model_dict, .tar)保存到tar文件中
4.在show image中：
1.显示loss值的图片：生成G_D_losses.jpg
2.将生成的假图片保存成动画
1 def _save_img_list(img_list, save_path, config):
2 #_show_img_list(img_list)
3 metadata = dict(title='generator images', artist='Matplotlib', comment='Movie support!')
4 writer = ImageMagickWriter(fps=1,metadata=metadata)
5 ims = [np.transpose(i, (1, 2, 0)) for i in img_list]
6 fig, ax = plt.subplots()
7 with writer.saving(fig, "%s/img_list.gif" % save_path,500):
8 for i in range(len(ims)):
9 ax.imshow(ims[i])
10 ax.set_title("step {}".format(i * config["save_every"]))
11 writer.grab_frame()
3.将生成的假图片保存成图片
1 def _save_img_list(img_list, save_path): # 假图片的列表，保存路径，
2
3 ims = [np.transpose(i, (1, 2, 0)) for i in img_list]
4 name_img = 0
5 for i in range(len(ims)):
6 plt.figure(figsize=(8, 8))
7 plt.subplot(1, 2, 1)
8 plt.axis("off")
9 str_name = "fake Images"+str(name_img)
10 plt.title("fake Images"+str(name_img))
11 name_img += 500
12 plt.imshow(ims[i])
13 name = str_name
14 full_path_name = "%s/%s" % (save_path, name)
15 plt.savefig(full_path_name)
标签：09,name,img,torch,list,ims,plt,DCGAN,save 来源： https://www.cnblogs.com/shuangcao/p/11796642.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。