对抗网络将生成器和判别器组合在一起，如图7-6所示。生成器噪声向量解码为图像，判别器对这些图像的真实性进行鉴别，生成器试图欺骗判别器，同时从其评判反馈中提升自己。
图7-6 对抗网络组成
def__init__（self）：
self. img_rows=28
self. img_cols=28
self. channels=1
self. img_shape=（self.img_rows, self.img_cols, self.channels）
optimizer=Adam（0.0002，0.5）
#构建和编译判别器
self. discriminator=self.build_discriminator（）
self. discriminator.compile（loss=＇binary_crossentropy'，
optimizer=optimizer，
metrics=[＇accuracy']）
#构建和编译生成器(www.xing528.com)
self. generator=self.build_generator（）
self. generator.compile（loss=＇binary_crossentropy'，optimizer=optimi-zer）
#生成器将噪声作为输入并生成图片
z=Input（shape=（100，））
img=self.generator（z）
#对于组合模型，只训练生成器
self. discriminator.trainable=False
#判别器将生成的图像作为输入并确定其有效性
valid=self.discriminator（img）
#组合生成器和判别器
self. combined=Model（z, valid）
self. combined.compile（loss=＇binary_crossentropy'，optimizer=optimi-zer）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
