python - 使用 Tensorflow 2.3 为数组形状 (200, ) 构建生成器

Question

我无法为简单数组找到生成器架构。

思路如下，

• 生成器从自动编码器（之前训练过）获取编码输入，该编码器输出一个 shape 数组(200,)。

我目前的发电机型号：

def Generator():
    input_layer = Input(shape=[200]) #(bs, 200)
    d1 = Dense(165, activation = 'relu')(input_layer)
    d2 = Dense(140, activation = 'relu')(d1)
    d3 = Dense(100, activation = 'relu')(d2)
    d4 = Dense(50, activation = 'relu')(d3)
    d5 = Dense(25, activation = 'relu')(d4) #(bs, 25)
    up1 = Dense(50, activation = 'relu')(d5)
    cat = concatenate([up1,dense_4])
    up2 = Dense(100, activation = 'relu')(cat)
    cat = concatenate([up2, dense_3])
    up3 = Dense(140, activation = 'relu')(cat)
    cat = concatenate([up3, dense_2])
    up4 = Dense(165, activation='relu')(cat)
    cat = concatenate([up4, dense_1])
    last = Dense(200, activation = 'relu')(cat)
    return tf.keras.models.Model(inputs = input_layer, outputs=last)

训练步骤、损失和cycleGAN tensorflow 文档是相同的。

由于我将这个生成器用于循环 GAN 项目，我认为在 100 个 epoch 后我会得到很好的结果，但事实恰恰相反。

我使用了没有跳过连接的生成器，但结果比上面的要差得多。

我搜索了 RES-Net 和 U-Net Architecture，但由于它们需要卷积层，所以我还没有尝试过。

我的问题：

1. 你有什么建议？
2. 我应该使用什么类型的跳过连接（添加或连接）？

标签： pythontensorflowmachine-learninggenerative-adversarial-network