今さら聞けないGAN（3）　潜在変数と生成画像 - Qiita

今さら聞けないGAN（3）　潜在変数と生成画像 - Qiita

はじめに 引き続きGANについての考察をおこないます。 前々回の記事でGANについての基本構造を説明し、...概要を表示 はじめに 引き続きGANについての考察をおこないます。 前々回の記事でGANについての基本構造を説明し、前回の記事でgenerator, discriminatorのネットワークをCNNに置き換えたDCGANを実装しました。 今回は画像を生成するうえでの種となる潜在変数zと、生成される画像、そして画像の識別結果について深堀りしていきます。コードはgithubに上げています。 生成モデル mnist画像を元に生成モデルについて考えてみましょう。mnistは2次元の画像データなのですが、実際は縦28ピクセル、横28ピクセル、計784ピクセルのそれぞれに画素値が入っています。つまり、2次元画像なのですが、取り扱い的には784次元のデータとなることに注意してください。 さて、この784次元のキャンパスに画像を生成する意味について考えてみましょう。1つの画像データimgは784個の値の羅列で表せます