DCGAN tensorflow實現版本
link
1. flags = tf.app.flags
TensorFlow通過設置flags來傳遞tf.app.run()所需要的參數
舉例:
flags = tf.app.flags
flags.DEFINE_integer("epoch", 25, "Epoch to train [25]")
def main():
XXX
if __name__ == '__main__':
tf.app.run()
這段代碼採用的是tensorflow庫中自帶的tf.app.flags模塊實現命令行參數的解析。如果用終端運行tf程序,用上述兩種方式都可以,如果用spyder之類的工具,會報錯。
2. 查看變量
舉例:
def show_all_variables():
model_vars = tf.trainable_variables()
slim.model_analyzer.analyze_vars(model_vars, print_info=True)
tf.trainable_variables返回的是需要訓練的變量列表
tf.all_variables返回的是所有變量的列表
好吧 我承認自己python也是半斤八兩,哈哈 順便記錄一下python的
3. python 鏈表推導式
vars=['ab','ac','bd']
nn = [var for var in vars if 'a' in var]
輸出nn:[‘ab’, ‘ac’]
4. python glob
from glob import glob
glob(pathname, recursive=False)
第一個參數pathname爲需要匹配的字符串。(該參數應儘量加上r前綴,以免發生不必要的錯誤)
第二個參數代表遞歸調用,與特殊通配符“**”一同使用,默認爲False。
該函數返回一個符合條件的路徑的字符串列表,如果使用的是Windows系統,路徑上的“\”符號會自動加上轉義符號變爲“\”(方便使用)。
在3.5版本之後,glob函數支持一個特殊的通配符“**”,該通配符可以匹配指定路徑裏所有文件和目錄,包括子目錄裏的所有文件和目錄。相當於遞歸地調用了這個函數。使用這個通配符必須加上recursive=True參數。
5. python 讀入圖像
import scipy
scipy.misc.imread(path).astype(np.float)
舉例:
dataset_name='mnist',
input_fname_pattern='*.jpg',
datas = glob(os.path.join("./data", self.dataset_name, self.input_fname_pattern))#返回一個列表
img = scipy.misc.imread(datas[0]).astype(np.float) #返回一個圖像
img_list = [scipy.misc.imread(data).astype(np.float) for data in datas] #返回該路徑所有圖像的集合列表
其中imread中有個flatten參數 用法如下
def imread(name, flatten=False, mode=None):
flatten : bool, optional;If True, flattens the color layers into a single gray-scale layer.
還有第二種方式
from PIL import Image
im = Image.open(path)
opencv來讀的時候,一定要注意:::讀進來的三通道爲BGR。
import cv2
img = cv2.imread(path)
其實還有很多 鏈接如下:
https://www.zhihu.com/question/48762352?from=profile_question_card
同時歸一化[-1,1]快速方式:
img/127.5-1
6. python range & xrange
py3中取消了range 將xrange變爲range
range返回的是一個包含所有元素的列表,xrange返回的是一個生成器
print(range(5))
#輸出range(0,5)
print(list(range(5))) #相當於早起版本py2的range
#輸出[0,1,2,3,4]
7. tensorflow leaky ReLU 實現
def lrelu(x, leak=0.2, name="lrelu"):
return tf.maximum(x, leak*x)
8. python title()
title() 方法返回”標題化”的字符串,就是說所有單詞都是以大寫開始,其餘字母均爲小寫(見 istitle())。
str = "this is string example....wow!!!";
print str.title();
以上實例輸出結果如下:
This Is String Example....Wow!!!
2018年4月9日22:56:39時間不早了 先記錄這一些吧~ 一晚上看了源代碼,李宏毅老師的課還有一篇DCGAN論文。。。
開工咯~
9. python // % divmod
地板除://除法不管操作數爲何種數值類型,總是會捨去小數部分,返回數字序列中比真正的商小的最接近的數字。
divmod (a,b),返回(a//b,a%b)
舉例:
divmod(5,3)
#輸出(1,2)
10.python np.squeeze
功能是剔除數組 a 中長度爲 1 的軸。
11. python 動畫生成
很有趣的一個玩法,直接將源代碼貼上。更多說明請參考伯樂在線
# 生成動畫的 用到了moviepy這個庫
def make_gif(images, fname, duration=2, true_image=False):
import moviepy.editor as mpy
def make_frame(t):
try:
x = images[int(len(images)/duration*t)]
except:
x = images[-1]
if true_image:
return x.astype(np.uint8)
else:
return ((x+1)/2*255).astype(np.uint8)
clip = mpy.VideoClip(make_frame, duration=duration)
clip.write_gif(fname, fps = len(images) / duration)
注意的是images是[0,1]的array數組 [batch,h,w,c]的形式
比如我實現了一下,效果不錯~
from glob import glob
import scipy
import os
from six.moves import xrange
import numpy as np
# 生成動畫的 用到了moviepy這個庫
def make_gif(images, fname, duration=2, true_image=False):
import moviepy.editor as mpy
def make_frame(t):
try:
x = images[int(len(images)/duration*t)]
except:
x = images[-1]
if true_image:
return x.astype(np.uint8)
else:
return ((x+1)/2*255).astype(np.uint8)
clip = mpy.VideoClip(make_frame, duration=duration)
clip.write_gif(fname, fps = len(images) / duration)
vars=['ab','ac','bd']
nn = [var for var in vars if 'a' in var]
paths = glob(os.path.join('C:\\Users\\Roc-Ng\\Pictures\\Camera Roll\\','*.jpg'))
imgs = [scipy.misc.imread(path) for path in paths]
imgs_array = np.array(imgs).astype(np.float)
imgs_array = imgs_array/255;
make_gif(imgs_array,'me.gif')
12. python numpy
習慣了matlab np中很多都不是很適應,記錄下來
z = np.random.uniform(0, 1, size=(10))
生成一個一維數組 服從在[0,1]均勻分佈,即z.shape = (10,)
即array[x,x,….,x]
而
z2 = np.random.uniform(0, 1, size=(10,1))
生成一個二維數組 服從在[0,1]均勻分佈,即z2.shape = (10,1)
即array[[x],[x],[x],[x]….,[x]]
在matlab裏面如果是
zm = randn(10);
生成一個10*10的均勻分佈
np.tile() 沿着不同的方向進行復制
z_sample = np.tile(z, (64, 1))
# z_sample 大小爲(64,10)
z_sample = np.tile(z2, (64, 1))
# z_sample 大小爲(640,1)