一、前述

DCGAN就是Deep Concolutions应用到GAN上，但是和传统的卷积应用还有一些区别，最大的区别就是没有池化层。本文将详细分析卷积在GAN上的应用。

二、具体

1、DCGAN和传统GAN区别

    1.将pooling层convolutions替代（对于判别模型：容许网络学习自己的空间下采样 ，因为没有池化层，所以让判别网络自习学习。对于生成模型：容许它学习自己的空间上采样，即改变原先卷积策略，通过图片提取特征，而生成模型通过特征生成图片。）
    2.在generator和discriminator上都使用batchnorm：

      解决初始化差的问题
      帮助梯度传播到每一层
      防止generator把所有的样本都收敛到同一个点。

   3.在CNN中移除全连接层

   4.在generator的除了输出层外的所有层使用ReLU，输出层采用tanh。

   5.在discriminator的所有层上使用LeakyReLU

2、生成网络生成图像过程

 

 

3、判别网络过程

 4、代码

 代码部分详见git地址：https://github.com/LhWorld/DCGAN

 

 

 

版权声明：本文为LHWorldBlog原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/LHWorldBlog/p/9251977.html