登录
首页 » Python » 《GAN:实战生成对抗网络》代码(刘梦馨)

《GAN:实战生成对抗网络》代码(刘梦馨)

于 2020-02-21 发布
0 251
下载积分: 1 下载次数: 6

代码说明:

《GAN:实战生成对抗网络》代码(刘梦馨)

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 俄罗斯方块强化学习实验报告
    一、俄罗斯方块DQN算法实验报告1. 网络结构图1 DQN网络结构2. 超参数 GAMMA = 0.99  # decay rate of past observations 设置增强学习更新公式中的累计折扣因子 OBSERVE = 500.  # timesteps to observe before training 设置观察期的迭代次数 EXPLORE = 500.  # frames over which to anneal epsilon 设置探索期的观察次数 FINAL_EPSILON = 0.002  # final value of epsilon 设置ε的最终最小值 INITIAL_EPSILON = 10.0  # starting value of epsilon 设置ε的初始值 REPLAY_MEMORY = 5900  # number of previous transitions to remember 设置replay memory的容量 BATCH = 32  # size of mini batch 设置每次网络参数更新世用的样本数目 K = 1  # only select an action every Kth frame, repeat prev for others,设置几帧图像进行一次动作, # K越大让控制台输出的速度变慢,游戏画面速度变快,机器人动作的速度变越迟缓。ACTIONS = 6  # number of valid actions 游戏动作数3.实验结果训练前期的self.score分数很低150左右,EPSILON=1.0,Q_MAX= 2.061341e-02:图2 EPSILON=1.0设置超参数EPSILON=0.05在1000步迭代之后:EPSILON固定在0.04999999999999416  Q_MAX = -1.163765e-01Self.score有明显的提升,但是之后无论训练多久都没有明显提升了。图3 EPSILON=0.05设置超参数EPSILON= 0.002在1001步迭代之后:EPSILON固定在0.000004 Q_MAX = 1.728995e 02Self.score可以轻松达到200以上。图4 EPSILON=0.000004设置超参数EPSILON= 0.000001在1001步迭代之后:EPSILON固定在-0.001998997999987482  Q_MAX = 1.899879e 03Self.score可以轻松达到200以上。图5 EPSILON=-0.002 【核心代码】用DQN来玩俄罗斯方块 tetrix_DQN ├── Wrapped Game Code│   └── tetris_fun.py├── deep_q_network.py├── logs_tetris│   ├── hidden.txt│   └── readout.txt└── saved_networks    ├── tetris-dqn-10000.data-00000-of-00001    ├── tetris-dqn-10000.index    ├── tetris-dqn-10000.meta    └── tetris-dqn-316600003 directories, 8 files
    2020-12-01下载
    积分:1
  • python学生信息管理系统(Django入门级示例)
    实现了增删改查等基本操作 运行环境:python 2.7  django==1.8  mysql 5.7.26 开发环境:Pycharm 【调试说明】 1. 修改 settings.py 中的数据库信息 为你本机数据库信息,同时要在mysql中创建上数据库 student_crud 2. 运行命令 初始化数据库相关表(或者直接使用附件中的sql脚本创建)  D:idePython27Scripts>python D:StudyProjectsPythonProjectDjango_CRUD_Student-mastermanage.py migrate 3. 运行命令 打开网址 D:idePython27Scripts>python D:StudyProjectsPythonProjectDjango_CRUD_Student-mastermanage.py runserver
    2018-09-13下载
    积分:1
  • 深度学习之一:卷积神经网络(CNN)详解与代码实现
    目录1.应用场景2.卷积神经网络结构  2.1 卷积(convelution)  2.2 Relu激活函数  2.3 池化(pool)  2.4 全连接(full connection)  2.5 损失函数(softmax_loss)  2.6 前向传播(forward propagation)  2.7 反向传播(backford propagation)  2.8 随机梯度下降(sgd_momentum)3.代码实现流程图以及介绍4.代码实现(python3.6)5.运行结果以及分析6.参考文献
    2019-08-09下载
    积分:1
  • Django验证码示例(用于登陆验证)
    Django验证码示例(用于登陆验证)
    2019-05-05下载
    积分:1
  • LSTM入门正弦波序列预测
    LSTM入门学习,正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs
    2021-06-30 00:31:01下载
    积分:1
  • 机器学习实战-Kaggle犯罪预测-数据集+代码
    kaggle上对旧金山城市的犯罪案件进行分类,属于多分类问题,提供的数据特征包含时间、地点、描述等。本实例包含数据集和代码,机器学习方法是朴素贝叶斯和逻辑回归
    2020-11-09下载
    积分:1
  • python飞机大战源码(彩图版)
    开发环境要求 本系统的软件开发及运行环境具体如下。 ü 操作系统:Windows 7、Windows 10。 ü  Python版本:Python 3.7.1。 ü 开发工具:PyCharm 2018。 ü Python内置模块:sys、random、codecs。 ü 第三方模块:pygame。 注意:在使用第三方模块时,首先需要使用pip install命令安装该模块,例如,安装pygame模块,可以在Python命令窗口中执行以下命令:pipinstall pygame 运行方法 打开PyCharm开发环境,然后在主菜单上选择File→Open菜单项,在打开的Open File or Project对话框中,选择项目foo,如图1所示。 Python项目开发案例集锦之5章
    2020-01-10下载
    积分:1
  • Python xlwt 创建xls文件例子
    xlwt包
    2015-06-15下载
    积分:1
  • 电赛电磁炮.py
    电赛电磁炮.py
    2021-05-06下载
    积分:1
  • 影评情感分析数据集ACLIMDB
    【实例简介】 数据集一共50000条数据。25000条训练数据,25000条测试数据。
    2021-08-01 00:31:08下载
    积分:1
  • 696518资源总数
  • 105554会员总数
  • 2今日下载