import?torch
import?torch.nn.functional?as?nn
import?torch.autograd?as?autograd
import?torch.optim?as?optim
import?numpy?as?np
import?matplotlib.pyplot?as?plt
import?matplotlib.gridspec?as?gridspec
import?os
from?torch.autograd?import?Variable
from?tensorflow.examples.tutorials.mnist?import?input_data


mnist?=?input_data.read_data_sets（‘../../MNIST_data‘?one_hot=True）
mb_size?=?64
Z_dim?=?100
X_dim?=?mnist.train.images.shape[1]
y_dim?=?mnist.train.labels.shape[1]
h_dim?=?128
c?=?0
lr?=?1e-3


def?xavier_init（size）:
????in_dim?=?size[0]
????xavier_stddev?=?1.?/?np.sqrt（in_dim?/?2.）
????return?Variable（torch.randn（*size）?*?xavier_stddev?requires_grad=True）


“““?====================?GENERATOR?========================?“““

Wzh?=?xavier_init（size=[Z_dim?h_dim]）
bzh?=?Variable（torch.zeros（h_dim）?requires_grad=True）

Whx?=?xavier_init（size=[h_dim?X_dim]）
bhx?=?Variable（torch.zeros（X_dim）?requires_grad=True）


def?G（z）:
????h?=?nn.relu（z?@?Wzh?+?bzh.repeat（z.size（0）?1））
????X?=?nn.sigmoid（h?@?Whx?+?bhx.repeat（h.size（0）?1））
????return?X


“““?====================?DISCRIMINATOR?========================?“““

Wxh?=?xavier_init（size=[X_dim?h_dim]）
bxh?=?Variable（torch.zeros（h_dim）?requires_grad=True）

Why?=?xavier_init（size=[h_dim?1]）
bhy?=?Variable（torch.zeros（1）?requires_grad=True）


def?D（X）:
????h?=?nn.relu（X?@?Wxh?+?bxh.repeat（X.size（0）?1））
????y?=?nn.sigmoid（h?@?Why?+?bhy.repeat（h.size（0）?1））
????return?y


G_params?=?[Wzh?bzh?Whx?bhx]
D_params?=?[Wxh?bxh?Why?bhy]
params?=?G_params?+?D_params


“““?=====================?TRAINING?========================?“““


def?reset_grad（）:
????for?p?in?params:
????????if?p.grad?is?not?None:
????????????data?=?p.grad.data
????????????p.grad?=?Variable（data.new（）.resize_as_（data）.zero_（））


G_solver?=?optim.Adam（G_params?lr=1e-3）
D_solver?=?optim.Adam（D_params?lr=1e-3）

ones_label?=?Variable（torch.ones（mb_size?1））
zeros_label?=?Variable（torch.zeros（mb_size?1））


for?it?in?range（100000）:
????#?Sample?data
????z?=?Variable（torch.randn（mb_size?Z_dim））
????X?_?=?mnist.train.next_batch（mb_size）
????X?=?Variable（torch.from_numpy（X））

????#?Dicriminator?forward-loss-backward-update
????G_sample?=?G（z）
????D_real?=?D（X）
????D_fake?=?D（G_sample）

????D_loss_real?=?nn.binary_cross_entropy（D_real?ones_label）
????D_loss_fake?=?nn.binary_cross_entropy（D_fake?zeros_label）
????D_loss?=?D_loss_real?+?D_loss_fake

????D_loss.backward（）
????D_solver.step（）

????#?Housekeeping?-?reset?gradient
????reset_grad（）

????#?Generator?forward-loss-backward-update
????z?=?Variable（torch.randn（mb_size?Z_dim））
????G_sample?=?G（z）
????D_fake?=?D（G_sample）

????G_loss?=?nn.binary_cross_entropy（D_fake?ones_label）

????G_loss.backward（）
????G_solver.step（）

????#?Housekeeping?-?reset?gradient
????reset_grad（）

????#?Print?and?plot?every?now?and?then
????if?it?%?1000?==?0:
????????print（‘Iter-{};?D_loss:?{}

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件????1648877??2018-11-06?15:59??Demo\MNIST_data\t10k-images-idx3-ubyte.gz

?????文件???????4542??2018-11-06?15:59??Demo\MNIST_data\t10k-labels-idx1-ubyte.gz

?????文件????9912422??2018-11-06?15:59??Demo\MNIST_data\train-images-idx3-ubyte.gz

?????文件??????28881??2018-11-06?15:59??Demo\MNIST_data\train-labels-idx1-ubyte.gz

?????文件???????3723??2018-12-01?15:16??Demo\vanilla_gan\gan_pytorch.py

?????文件???????3586??2018-12-02?10:16??Demo\vanilla_gan\gan_tensorflow.py

?????目錄??????????0??2018-12-05?21:28??Demo\vanilla_gan\out

?????目錄??????????0??2018-12-05?21:28??Demo\MNIST_data

?????目錄??????????0??2018-12-05?21:28??Demo\vanilla_gan

?????目錄??????????0??2018-12-05?21:28??Demo

-----------?---------??----------?-----??----

?????????????11602031????????????????????10