# GAN-Base-on-Matlab
## data
### mnist_uint8
[download link](https://github.com/rasmusbergpalm/DeepLearnToolbox/blob/master/data/mnist_uint8.mat)
## Example
### example_1
* network structure:
```
generator.layers = {
struct('type', 'input', 'output_shape', [100, batch_size])
struct('type', 'fully_connect', 'output_shape', [3136, batch_size], 'activation', 'leaky_relu')
struct('type', 'reshape', 'output_shape', [7,7,64, batch_size])
struct('type', 'conv2d_transpose', 'output_shape', [14, 14, 32, batch_size], 'kernel_size', 5, 'stride', 2, 'padding', 'same', 'activation', 'leaky_relu')
struct('type', 'conv2d_transpose', 'output_shape', [28, 28, 1, batch_size], 'kernel_size', 5, 'stride', 2, 'padding', 'same', 'activation', 'sigmoid')
};
discriminator.layers = {
struct('type', 'input', 'output_shape', [28, 28, 1, batch_size])
struct('type', 'conv2d', 'output_maps', 32, 'kernel_size', 5, 'padding', 'same', 'activation', 'leaky_relu')
struct('type', 'sub_sampling', 'scale', 2)
struct('type', 'conv2d', 'output_maps', 64, 'kernel_size', 5, 'padding', 'same', 'activation', 'leaky_relu')
struct('type', 'sub_sampling', 'scale', 2)
struct('type', 'reshape', 'output_shape', [3136, batch_size])
struct('type', 'fully_connect', 'output_shape', [1, batch_size], 'activation', 'sigmoid')
};
```
* result:
<p align="center">
<a href="/readme_images/1.png" target="_blank">
<img src="/readme_images/1.png">
</a>
</p>
<p align="center">
<a href="/readme_images/2.png" target="_blank">
<img src="/readme_images/2.png">
</a>
</p>
### example_2
* network structure:
```
generator.layers = {
struct('type', 'input', 'output_shape', [100, batch_size])
struct('type', 'fully_connect', 'output_shape', [1024, batch_size], 'activation', 'relu')
struct('type', 'fully_connect', 'output_shape', [28*28, batch_size], 'activation', 'sigmoid')
struct('type', 'reshape', 'output_shape', [28, 28, 1, batch_size])
};
discriminator.layers = {
struct('type', 'input', 'output_shape', [28,28,1, batch_size])
struct('type', 'reshape', 'output_shape', [28*28, batch_size])
struct('type', 'fully_connect', 'output_shape', [1024, batch_size], 'activation', 'relu')
struct('type', 'fully_connect', 'output_shape', [1, batch_size], 'activation', 'sigmoid')
};
```
* result:
<p align="center">
<a href="/readme_images/3.png" target="_blank">
<img src="/readme_images/3.png">
</a>
</p>
## Reference
1. `https://grzegorzgwardys.wordpress.com/2016/04/22/8/`
2. `Dumoulin V, Visin F. A guide to convolution arithmetic for deep learning[J]. 2016.`
3. `https://github.com/rasmusbergpalm/DeepLearnToolbox/tree/master/CNN`
4. `http://neuralnetworksanddeeplearning.com/index.html`
没有合适的资源?快使用搜索试试~ 我知道了~
基于MATLAB实现的GAN,能够完成简单的GAN操作.zip
共63个文件
m:56个
png:3个
md:2个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 148 浏览量
2024-05-23
09:42:15
上传
评论
收藏 57KB ZIP 举报
温馨提示
CSDN IT狂飙上传的代码均可运行,功能ok的情况下才上传的,直接替换数据即可使用,小白也能轻松上手 【资源说明】 基于MATLAB实现的GAN,能够完成简单的GAN操作.zip 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2020b;若运行有误,根据提示GPT修改;若不会,私信博主(问题描述要详细); 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可后台私信博主; 4.1 期刊或参考文献复现 4.2 Matlab程序定制 4.3 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 5、欢迎下载,沟通交流,互相学习,共同进步!
资源推荐
资源详情
资源评论
收起资源包目录
基于MATLAB实现的GAN,能够完成简单的GAN操作.zip (63个子文件)
使用说明文档.md 13KB
GAN-Base-on-Matlab-master
gan_train.m 3KB
readme_images
3.png 4KB
1.png 4KB
2.png 4KB
example_2.m 1KB
activation
activate_z.m 472B
leaky_relu.m 169B
relu.m 83B
delta_sigmoid.m 213B
sigmoid.m 60B
delta_leaky_relu.m 157B
delta_activation_function.m 559B
delta_tanh.m 67B
delta_relu.m 144B
example_1.m 2KB
example_4.m 1KB
LICENSE 1KB
example_3.m 1KB
gradient
calculate_gradient_for_batch_norm_layer.m 731B
calculate_gradient_for_fully_connect_layer.m 179B
calculate_gradient_for_atrous_conv2d_layer.m 772B
calculate_gradient_for_conv2d_layer.m 739B
calculate_gradient_for_conv2d_transpose_layer.m 1KB
error_term
get_error_term_from_conv2d_transpose_layer.m 2KB
get_error_term_from_sub_sampling_layer.m 374B
get_error_term_from_batch_norm_layer.m 1KB
delta_sigmoid_cross_entropy.m 694B
get_error_term_from_reshape_layer.m 137B
sigmoid_cross_entropy.m 284B
get_error_term_from_fully_connect_layer.m 121B
get_error_term_from_atrous_conv2d_layer.m 553B
get_error_term_from_conv2d_layer.m 554B
setup_environment.m 296B
test
convolution_process.m 2KB
.gitignore 5B
util
expand.m 2KB
padding_height_width_in_array.m 476B
insert_zeros_into_array.m 329B
flipall.m 77B
argparse.m 259B
save_images.m 623B
README.md 3KB
layer
setup_atrous_conv2d_layer.m 1KB
conv2d.m 1KB
check_layer_field_names.m 579B
batch_norm.m 1KB
setup_fully_connect_layer.m 704B
setup_conv2d_transpose_layer.m 6KB
atrous_conv2d.m 893B
setup_conv2d_layer.m 2KB
conv2d_transpose.m 2KB
reshape_operation.m 300B
setup_batch_norm_layer.m 751B
setup_sub_sampling_layer.m 389B
setup_reshape_layer.m 454B
sub_sample.m 346B
nerual_network_flow
nn_applygrads_sgd.m 602B
nn_applygrads_adam.m 1KB
nn_setup.m 1KB
nn_bp_g.m 3KB
nn_bp_d.m 3KB
nn_ff.m 2KB
共 63 条
- 1
资源评论
IT狂飙
- 粉丝: 4839
- 资源: 2651
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- qaxbrowser-1.1.32574.52.exe (奇安信浏览器windows安装包)
- C#编写modbus tcp客户端读取modbus tcp服务器数据
- 某房地产瑞六补环境部分代码
- 基于Matlab实现无刷直流电机仿真(模型+说明文档).rar
- AllSort(直接插入排序,希尔排序,选择排序,堆排序,冒泡排序,快速排序,归并排序)
- 模拟qsort,改造冒泡排序使其能排序任意数据类型,即日常练习
- carsim+simulink联合仿真实现变道 包含路径规划算法+mpc轨迹跟踪算法 可选simulink版本和c++版本算法 可以适用于弯道道路,弯道车道保持,弯道变道 carsim内规划轨迹可视化
- 数组经典习题之顺序排序和二分查找和冒泡排序
- 永磁同步电机神经网络自抗扰控制,附带编程涉及到的公式文档,方便理解,模型顺利运行,效果好,位置电流双闭环采用二阶自抗扰控制,永磁同步电机三闭环控制,神经网络控制,自抗扰中状态扩张观测器与神经网络结合
- 基于 Oops Framework 提供的游戏项目开发模板,项目中提供了最新版本 Cocos Creator 3.x 插件与游戏资源初始化通用逻辑
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功