はじめに 前回の記事でwganおよび改良型wgan(wgan-gp)の説明をおこないました。 今回はkerasでの実装のポイントと生成結果について紹介します。 参考にしたコードは以下 tjwei/GANotebooks discriminatorの学習のためのモデル定義 discriminatorの学習のための全体構造(discriminator_with_own_loss)を実装していきます。 WGAN-gpにおける学習では、識別でよく使われる形式 (y_true, y_pred)、つまり、「正解ラベルと予想結果を付き合わせる」といった形式を用いません。binary_cross_entropyなどの既に定義された関数を使うのではなく、損失関数を独自に定義する必要があります。 損失関数を定義して使用する 損失関数を独自に定義し、optimizerに渡して学習させていく手順は以下です。 mo
![今さら聞けないGAN (5) WGAN-gpの実装 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/a5a4910859eee6f8c0fb921ffbe9bec3c5f868d5/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU0JUJCJThBJUUzJTgxJTk1JUUzJTgyJTg5JUU4JTgxJTlFJUUzJTgxJTkxJUUzJTgxJUFBJUUzJTgxJTg0R0FOJTIwJTI4NSUyOSUyMFdHQU4tZ3AlRTMlODElQUUlRTUlQUUlOUYlRTglQTMlODUmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPWVmNmFmNzQ0Zjk3MDRiODdlNTgyYjEwMzQ1Y2ZlYzY1%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDB0cml3YXZlMzMmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTYzNTk2ODNmNWY3ZDU0MmQzNmQxNjMyN2JmZmIzZjEy%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D623e63fd69084f40f72dd8fba4b7523e)