运行 DCGAN 数据集MNIST

环境：windows + Anaconda 3 + python 3.7

数据集 Mnist 极客学院-MNIST数据下载

如果你下载之后的数据比上面的大，那么你在下载的过程中，你的浏览器可能对其进行了解压操作。

下载过后的数据集后者是 gz ，这是一种 Linux 系统下的压缩格式

我们这里使用 python 中的gzip包来对这四个压缩包解压

un_gc.ipynb :

import gzip
import os
# 解压gz，事实上就是读出当中的单一文件
def un_gz(file_name):
    """ungz zip file"""
    f_name = file_name.replace(".gz", "")
    #获取文件的名称，去掉
    g_file = gzip.GzipFile(file_name)
    #创建gzip对象
    open(f_name, "wb+").write(g_file.read())
    #gzip对象用read()打开后，写入open()建立的文件里。
    g_file.close()
    #关闭gzip对象
    
# inputname="t10k-images-idx3-ubyte.gz"
# inputname="t10k-labels-idx1-ubyte.gz"
# inputname="train-images-idx3-ubyte.gz"
inputname="train-labels-idx1-ubyte.gz"
un_gz(inputname)

 得到：

将数据放在如下路径中:

这里是解压后的数据集 可供下载：https://download.csdn.net/download/qq_35263780/11996684

或者你也可以通过命令来下载并查看数据集：

【深度学习】TensorFlow利用MNIST数字识别数据集识别

这个教程中你可以看到该数据的具体内容

在github上获得DCGAN的源码，保存到本地

打开Anaconda prompt，转到项目所在文件夹 运行

python main.py --dataset mnist --input_height=28 --output_height=28 --train

报错

module 'scipy.misc' has no attribute 'imsave'

原因是 imread 和 imsave 在 scipy.misc 后来的版本将会被弃用，建议使用imageio.imread 和 imageio.imwrite 等函数

打开 utils.py 修改如下：

再次运行

输出结果在 out/samples 文件夹中