03、模型构建之Generator生成器的封装_笔记

东方耀

03、模型构建之Generator生成器的封装_笔记

1. 
   
2. def conv2d_transpose(inputs, out_channel, name, training, with_bn_relu=True):
   
3.     with tf.variable_scope(name_or_scope=name):
   
4.         conv2d_trans = tf.layers.conv2d_transpose(inputs=inputs, filters=out_channel,
   
5.                                                   kernel_size=[5, 5],
   
6.                                                   strides=[2, 2], padding='SAME')
   
7.         if with_bn_relu:
   
8.             bn = tf.layers.batch_normalization(conv2d_trans, training=training)
   
9.             relu = tf.nn.relu(bn)
   
10.             return relu
    
11.         else:
    
12.             return conv2d_trans
    
13. 
    
14. 
    
15. 
    
16. 
    
17. class Generator:
    
18.     def __init__(self, channels, init_conv_size):
    
19.         self._channels = channels
    
20.         self._init_conv_size = init_conv_size
    
21.         self._reuse = False
    
22. 
    
23.     def __call__(self, inputs, training):
    
24.         # 让类的实例化对象可以 函数一样调用
    
25.         # eg: g = Generator(XXX)   g(inputs, training)
    
26. 
    
27.         inputs = tf.convert_to_tensor(inputs)
    
28.         with tf.variable_scope(name_or_scope='generator', reuse=self._reuse):
    
29.             with tf.variable_scope(name_or_scope='inputs_fc'):
    
30.                 # inputs shape: [N, 100]
    
31.                 fc = tf.layers.dense(inputs=inputs, units=self._init_conv_size * self._init_conv_size * self._channels[0])
    
32.                 conv0 = tf.reshape(fc, shape=[-1, self._init_conv_size, self._init_conv_size, self._channels[0]])
    
33.                 bn0 = tf.layers.batch_normalization(conv0, training=training)
    
34.                 relu0 = tf.nn.relu(bn0)
    
35.             # shape: [N 4 4 128]
    
36.             conv2d_trans_inputs = relu0
    
37.             # g_channels=[128, 64, 32, 1],
    
38.             # range(1, 4) ---> 1 2 3
    
39.             for i in range(1, len(self._channels)):
    
40.                 if i == len(self._channels) - 1:
    
41.                     with_bn_relu = False
    
42.                 else:
    
43.                     with_bn_relu = True
    
44.                 conv2d_trans_inputs = conv2d_transpose(conv2d_trans_inputs,
    
45.                                                        self._channels[i],
    
46.                                                        'conv2d-trans-%d' % i,
    
47.                                                        training,
    
48.                                                        with_bn_relu)
    
49.             # shape: [N 32 32 1]
    
50.             image_inputs = conv2d_trans_inputs
    
51.             with tf.variable_scope(name_or_scope='generator_image'):
    
52.                 # [-1 1]
    
53.                 imgs_outputs = tf.nn.tanh(image_inputs, name='imgs_outputs')
    
54. 
    
55.         self._reuse = True
    
56. 
    
57.         self.variables = tf.get_collection(key=tf.GraphKeys.TRAINABLE_VARIABLES, scope='generator')
    
58. 
    
59.         # tf.trainable_variables
    
60. 
    
61.         return imgs_outputs
    
62. 
    

复制代码