Deep AE를 이용한 가짜 이미지 생성

이번에는 Deep AE를 배워보자

기존에 AE에서 순환신경망을 여러 개 쌓아 깊게 변형된 모델이다

기존코드에서 사용했던 모듈들을 그대로 사용하기에 전처리까지는 생략을 한다

Hidden_input1 = 512 

Hidden_input2 = 256

Hidden_input3 = 128

Hidden_input4 = 64

Hidden_input5 = 32

 

input_layer = layers.Input(shape=(784,)) Encoding = layers.Dense(Hidden_input1)(input_layer) 

Encoding = layers.Dense(Hidden_input2)(Encoding)

Encoding = layers.Dense(Hidden_input3)(Encoding)

Encoding = layers.Dense(Hidden_input4)(Encoding)

Encoding = layers.Dense(Hidden_input5)(Encoding)

Decoding = layers.Dense(Hidden_input4)(Encoding)

Decoding = layers.Dense(Hidden_input3)(Decoding)

Decoding = layers.Dense(Hidden_input2)(Decoding)

Decoding = layers.Dense(Hidden_input1)(Decoding)

Decoding = layers.Dense(784, activation='sigmoid')(Decoding) 

autoencoder = models.Model(input_layer,Decoding)

5층으로 쌓은 Deep AE모델이다.

기존 모델과 달라진 점은 층을 깊게 쌓은 것을 알 수 있다.

크기는 512, 256, 128, 64, 32 순으로 줄어들었고 다시 32, 64, 128, 256, 512 순으로 커진다

autoencoder.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc'])

 

autoencoder.fit(x_train,x_train,epochs=50,shuffle=True,validation_data=(x_test,x_test))

컴파일과 학습을 기존에 동일하기에 따로 설명을 하지 않는다.