时间戳

首页 > 解决方案 > Keras：了解嵌入层在条件 GAN 中的作用

python - Keras：了解嵌入层在条件 GAN 中的作用

问题描述

我正在努力了解 Erik Linder-Norén 的分类 GAN 模型的实现，并且对该模型中的生成器感到困惑：

def build_generator(self):
    model = Sequential()
    # ...some lines removed...    
    model.add(Dense(np.prod(self.img_shape), activation='tanh'))
    model.add(Reshape(self.img_shape))
    model.summary()

    noise = Input(shape=(self.latent_dim,))
    label = Input(shape=(1,), dtype='int32')
    label_embedding = Flatten()(Embedding(self.num_classes, self.latent_dim)(label))
    model_input = multiply([noise, label_embedding])
    img = model(model_input)

    return Model([noise, label], img)

我的问题是：Embedding()图层在这里如何工作？

我知道这noise是一个长度为 100 的向量，并且label是一个整数，但我不明白该label_embedding对象包含什么或它在这里的作用。

我尝试打印 的形状label_embedding以尝试弄清楚该Embedding()行中发生了什么，但返回(?,?).

如果有人可以帮助我了解Embedding()这里的线路是如何工作的，我将非常感谢他们的帮助！

标签： pythonkerasneural-networkdeep-learninggenerative-adversarial-network

解决方案

要记住为什么在这里使用嵌入：另一种方法是将噪声与条件类连接起来，这可能会导致生成器完全忽略噪声值，在每个类中生成具有高相似性的数据（甚至每个类只有 1 个） ）。

推荐阅读