def builder(
img_size: types_of_gan.input_img_size = 28,
channels: int = 1,
kernel_size: Union[int, Tuple[int, int]] = 3,
) -> keras.engine.training.Model:
"""
Ganのdiscriminator部を作成する。model1のパラメータ違い
:param img_size : 画像のピクセル比 整数なら指定したサイズの正方形、タプルなら(raw, cal)
:param channels:色の出力変数（白黒画像なら1）
:param kernel_size: 2次元の畳み込みウィンドウの幅と高さ 整数なら縦横比同じに
:return: discriminator部のモデル
"""
raw, col = types_of_gan.get_size_pair(img_size)
img_shape = (raw, col, channels)
model = Sequential()
model.add(
Conv2D(raw,
kernel_size=kernel_size,
strides=2,
input_shape=img_shape,
padding="same"))
model.add(LeakyReLU(alpha=0.2))
model.add(Dropout(0.5))
model.add(
Conv2D(raw * 2, kernel_size=kernel_size, strides=2, padding="same"))
model.add(ZeroPadding2D(padding=((0, 1), (0, 1))))
model.add(LeakyReLU(alpha=0.2))
model.add(Dropout(0.5))
model.add(BatchNormalization(momentum=0.8))
model.add(
Conv2D(raw * 4, kernel_size=kernel_size, strides=2, padding="same"))
model.add(LeakyReLU(alpha=0.2))
model.add(Dropout(0.25))
model.add(BatchNormalization(momentum=0.8))
model.add(
Conv2D(raw * 8, kernel_size=kernel_size, strides=1, padding="same"))
model.add(LeakyReLU(alpha=0.2))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(1, activation='tanh'))
model.summary()
img = Input(shape=img_shape)
validity = model(img)
return Model(img, validity)
def builder(
img_size: types_of_gan.input_img_size = 28,
channels: int = 3,
mid_neuro_num: int = 128,
z_dim: int = 100,
momentum: float = 0.8,
kernel_size: Union[int, Tuple[int,
int]] = 3) -> keras.engine.training.Model:
"""
Ganのgenerator部を作成する。model2の活性化関数をLeakyReLUに変更
:param img_size : 画像のピクセル比 整数なら指定したサイズの正方形、タプルなら(raw, col)
:param channels:色の出力変数（白黒画像なら1）
:param mid_neuro_num: 中間層のニューロの数のベース
:param z_dim:潜在変数:(generatorの入力)
:param momentum:Batchの移動平均のためのMomentum
:param kernel_size: 2次元の畳み込みウィンドウの幅と高さ 整数なら縦横比同じに
:return: generator部のモデル
"""
raw, col = types_of_gan.get_size_pair(img_size)
noise_shape = (z_dim, )
model = Sequential()
model.add(
Dense(mid_neuro_num * raw * col,
activation="relu",
input_shape=noise_shape))
model.add(Reshape((raw, col, mid_neuro_num)))
model.add(BatchNormalization(momentum=momentum))
model.add(UpSampling2D())
model.add(Conv2D(mid_neuro_num, kernel_size=kernel_size, padding="same"))
model.add(LeakyReLU(alpha=0.1))
model.add(BatchNormalization(momentum=momentum))
model.add(UpSampling2D())
model.add(
Conv2D(int(mid_neuro_num / 2), kernel_size=kernel_size,
padding="same"))
model.add(LeakyReLU(alpha=0.1))
model.add(BatchNormalization(momentum=momentum))
model.add(Conv2D(channels, kernel_size=kernel_size, padding="same"))
model.add(LeakyReLU(alpha=0.1))
model.summary()
noise = Input(shape=noise_shape)
img = model(noise)
return Model(noise, img)
