Ai创想实验室是专门为中小学AI教育开发的教学平台，包含了值计算、图像分类、音频分类、文本分类、数值回归、图像回归、图像分类+回归、平衡杆、手写数字生成、文本生成等中小学人工智能学习类项目。无需编程基础、无需添加硬件、无需购买算力、无隐私担忧、无需师资培训即可进行教学实践。

除了默认项目，我们还可以自定义项目（详见上一篇【中小学AI人工智能教育】声音分类——提琴分类：快速定义项目类型实例)，但GAN项目中涉及一些计算，本篇以使用Anime Faces数据集为例，说明模型中参数的计算和调整模型大小的方法：

一、数据准备

1、自行下载Anime Faces数据集，其图像大小为64*64，3通道彩色图像。

2、打开训练数据管理器，设置输出参数如下（保持64*64*3）：

​

3、导入一部分数据：

4、导出数据备用

二、模型设计

1、生成器模型如下：

我们逐一说明如何填写这些参数最终得到64*64*3：

①输入层：100——接收一个100维度的噪声向量，通常是从标准正态分布中采样。

②全连接层：16384——8×8×256，也就是说这个值是为了后续Reshape成(8,8,256)准备的（每个噪声响亮被线性变换扩展为16384个神经元）——我们最终希望输出64*64，每次Conv2DTranspose用strides=2会把尺寸翻倍，如果做3次，那么起点就是8（8→16→32→64）。这就成了！256是通道数，越大模型能力越强（例如之前数字生成写的512）但参数也越多。

③Reshape（重塑）层：(8,8,256）——8高度、8宽度、256通道数C，从一维变为三维为后续卷积操作做准备。

④输出层：到达输出层（none,64,64,32）→(node,64,64,3）——RGB三通道。

这样，生成器就输出一个64*64*3的图像。

2、判别器

判别器没有太多需要计算的地方：

将其输入改为和生成器输出匹配即可：64，64，3。

三、实训效果

使用800个样本、上述生成器模型、上述判别器模型和默认训练参数，在第5轮时：

依稀可以看到头像轮廓。在第10轮左右即可看到更清晰的、色彩更丰富的生成结果：

需要注意的是，使用如此小的数据量和模型，是无法得到非常清晰的图像的，这完全超出它们的能力范畴。如果需要更为清晰的图像，应采用更大的模型、更大的数据量以及更精细的调参，这需要更强大的硬件资源才能完成。但作为以中小学课堂教学为目的的人工智能教学平台，我们在不使用额外算力、仅用本机核显的条件下已经达到了理想的教学效果。

在AI创想实验室中，我们无需编程基础，不用学习框架，不用配置环境，无需购买费用高昂的显卡，更不用为云端算力付费，使用当前已有的各种硬件：仅有核显的个人、办公、机房电脑，希沃白板等都能达到理想的教学效果。操作简单但AI核心知识样样俱全，无需师资培训就可以进行教学且能取得理想的教学效果。如果加入试点或合作方那么只需要一台局域网服务器（无需显卡、服务器不用供算力）即可一次投入永久使用全部项目和功能，通过后台管理一分钟即可创建一个本地化、校本化的项目实例。

演示版本地址：www.AiEduLab.tech

有任何问题欢迎留言或发送邮件至：hello@AiEduLab.tech