在 GAN 中使用经过训练的判别器来计算概率
Use trained discriminator in GAN to calculate probabilities
我在 GAN 上学习了这个教程 - https://github.com/adeshpande3/Generative-Adversarial-Networks/blob/master/Generative%20Adversarial%20Networks%20Tutorial.ipynb
我想使用经过训练的鉴别器来计算测试图像的概率（我在代表特定集合的图像上训练，并想检查测试图像与该集合相似的概率。）我使用了以下代码 - (重新加载模型后）
newP= sess.run(Dx, feed_dict={x_placeholder: dataset2})
print("prob: " + str(newP)
但它没有给出概率，一些随机浮点数 >1。如何使用训练好的判别器求概率？
使用 prob = tf.nn.sigmoid(Dx) 作为您的概率。由于 Dx 输出 0-1 之间的单个值，因此单个输出的 softmax 将始终为 1。(exp(Dx)/exp(Dx) = 1)
我在 GAN 上学习了这个教程 - https://github.com/adeshpande3/Generative-Adversarial-Networks/blob/master/Generative%20Adversarial%20Networks%20Tutorial.ipynb
我想使用经过训练的鉴别器来计算测试图像的概率（我在代表特定集合的图像上训练，并想检查测试图像与该集合相似的概率。）我使用了以下代码 - (重新加载模型后）
newP= sess.run(Dx, feed_dict={x_placeholder: dataset2})
print("prob: " + str(newP)
但它没有给出概率，一些随机浮点数 >1。如何使用训练好的判别器求概率？
使用 prob = tf.nn.sigmoid(Dx) 作为您的概率。由于 Dx 输出 0-1 之间的单个值，因此单个输出的 softmax 将始终为 1。(exp(Dx)/exp(Dx) = 1)