keras运行gan的几个bug解决 2018-01-30

A:
1.原因:在跑GAN时由于keras无法使用tensorflow的LeakyReLU,可能没有此函数,

2.step:
(1)
自定义添加到models.py里:
def LeakyReLU(x, leak=0.2, name="lrelu")
with tf.variable_scope(name):
f1 = 0.5 * (1 + leak)
f2 = 0.5 * (1 - leak)
return f1 * x + f2 * abs(x)

(2)
from keras.layers import Lambda
x = Lambda(lambda x: LeakyReLU(x))(x)

说明:没有第二步,会报错:
AttributeError: 'Tensor' object has no attribute '_keras_history'

B:
GANs_N_Roses:https://github.com/Naresh1318/GANs_N_Roses
运行该github时有
ValueError: Variable d_h0_conv/w/Adam/ does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=None in VarScope?

说明:
tensorflow0.12只能用tf.train.GradientDescentOptimizer
用tf.train.AdamOptimizer或者其他的都会报错

C:
GANs_N_Roses:https://github.com/Naresh1318/GANs_N_Roses
运行该github时有
报错
OSError: [WinError 123] 文件名、目录名或卷标语法不正确。: 'Results/roses/2018-01-30 18:00:30.897494_100_12_30000_0.0002_0.5'

step

注释掉
results_folder = '{0}{1}{2}{3}{4}_{5}'
.format(datetime.datetime.now(), mc.Z_DIM, mc.BATCH_SIZE, mc.N_ITERATIONS, mc.LEARNING_RATE, mc.BETA_1)
改成
results_folder='cctv'
说明:文件名又臭又长会不允许

D:
跑DCGAN时遇到到问题
源码
y_pred = self.f_dis(x_true) #真x预测
x_fake = self.f_gen(z_sample) #噪音生成假图
y_fake = self.f_dis(x_fake) #假x预测
报错
第一个
ValueError: Variable batch_normalization_8/moving_mean/biased already exists, disallowed. Did you mean to set reuse=True in VarScope? Originally defined at:
第二个
Exception ignored in: <bound method BaseSession.del of <tensorflow.python.client.session.Session object at 0x000001D04F1ABBA8>>
Traceback (most recent call last):
File "D:\ProgramData\Anaconda3\envs\py35\lib\site-packages\tensorflow\python\client\session.py", line 595, in del
TypeError: 'NoneType' object is not callable

说明:上述三个每个都有相同的biased,冲突了,因此得在各自域起个名字,使得各自biased在各自己域分开

step:

with tf.variable_scope("y_pred",reuse=None):
y_pred = self.f_dis(x_true)
with tf.variable_scope("x_fake", reuse=None):
x_fake = self.f_gen(z_sample)
with tf.variable_scope("y_fake", reuse=None):
y_fake = self.f_dis(x_fake)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,386评论 6 479
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,939评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,851评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,953评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,971评论 5 369
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,784评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,126评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,765评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,148评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,744评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,858评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,479评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,080评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,053评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,278评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,245评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,590评论 2 343

推荐阅读更多精彩内容

  • 想从Tensorflow循环生成对抗网络开始。但是发现从最难的内容入手还是?太复杂了所以搜索了一下他的始祖也就是深...
    Feather轻飞阅读 5,034评论 1 4
  • 玲珑塔起永平中,斗拱飞檐掩碧松。 暮鼓晨钟禅意重,佛光普照度群生。 注:普彤塔始建于东汉永平十年(公元67年),坐...
    天涯一孤客阅读 341评论 2 4