AI ninja project [day 23] 生成对抗网路 Generative Adversarial Network(GAN)

相信大家都有听过GAN的名子，
原理就好像同时有一名创作家及一名监定员，
创作家进行创造，而监定员进行监定，
两者有各自跟原始作品的损失函数，
利用损失资讯的大小，以优化器来修正创作家创作的方向以及监定员监定的依据。

参考攻略:
https://www.tensorflow.org/tutorials/generative/dcgan?hl=zh_tw

colab:
https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/tutorials/generative/dcgan.ipynb?hl=zh_tw

安装及载入:

imageio套件是为了让训练过程以动画的方式来呈现。

载入手写数字资料集:

将图片转成28×28像素，每一个像素正规化成-1到1之间的数值:

调整batch大小，并且改变训练资料的排序:

建立生成器:

输入为100维的矩阵，我们可以先查看未训练的生成结果:

搭建判别器:

输出结果为正数代表认定为真品，负数认定生成作品为假的，
不过目前还没训练，所以结果不具有意义:

创立生成器及判别器各自的损失函数:

设定各自的优化器:

载入过去别人训练好的储存点，降低训练时间，
自己重新训练也可以:

设定初始生成画作的随机数值，并且一次生成16张图片:

设定生成对抗的过程，优化器依据生成器及判别器各自的损失资讯来修正生成及判别方向:

搭建function，依据epochs来进行生成对抗的训练:

将每一个epochs的训练结果保存起来:

开始训练:

那可以将训练过程以动画的方式来呈现:

假设哪一天需要依靠贩卖艺术品维生，
但是又没有艺术天份，
这个时候就可以请GAN来帮我们创作艺术作品了。

下面的攻略有对浪漫时期的作品进行创作:
https://www.kaggle.com/amyjang/creating-romantic-period-art-w-tensorflow-dcgan

该资料集还有表现主义及立体主义的作品可以参考。

那这个攻略是对於彩色图片CIFAR10资料集进行创作:
https://machinelearningmastery.com/how-to-develop-a-generative-adversarial-network-for-a-cifar-10-small-object-photographs-from-scratch/