Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

274

12

章 敵対的生成ネットワーク

x = np.concatenate((images_train, images_fake))

y = np.ones([2*batch_size, 1])

y[batch_size:, :] = 0

d_loss = self.discriminator.train_on_batch(x, y)

y = np.ones([batch_size, 1])

noise = np.random.uniform(-1.0, 1.0, size=[batch_size, 100])

a_loss = self.adversarial.train_on_batch(noise, y)

log_mesg = "%d: [D loss: %f, acc: %f]" % (i, d_loss[0], d_loss[1])

log_mesg = "%s [A loss: %f, acc: %f]" % (log_mesg, a_loss[0], \

a_loss[1])

print(log_mesg)

if save_interval>0:

if (i+1)%save_interval==0:

self.plot_images(save2file=True, \

samples=noise_input.shape[0],\

noise=noise_input, step=(i+1))

DCGAN

モデルで生成した画像をプロットする関数を定義しよう。

def plot_images(self, ...