基于遗传算法的WGAN超参数优化实战

0. 前言

我们已经学习了对卷积神经网络模型的超参数和架构进行编码的过程，在本节中，将对 WGAN 执行神经优化，为了探索更简洁的优化空间，本节仅对超参数编码。

1. 编码 WGAN

随着优化模型复杂性的增加，需要训练更多的 epoch，不能再依靠模型仅仅训练 3 个 epoch 就能给出合理的结果了；相反，复杂模型可能需要训练成千上万个 epoch，生成对抗网络 (Generative Adversarial Networks, GAN) 就是这种复杂的模型之一。因此，为了得到较好的结果，就需要花费数小时甚至数天进行训练优化。
将 GAN 模型扩展并整合为一个类，通过传递个体基因序列填充模型超参数来实例化这个类，其中基因序列是一个简单的浮点数组。每个类的变化由输入的基因序列(一个浮点数数组)控制，其中数组中的每个元素都