DCGAN的原理及Pytorch实现

标签：follow   nbsp   watch   height   loading   ORC   hub   部分   row   

follow this video: https://www.youtube.com/watch?v=IZtv9s_Wx9I

paper: https://arxiv.org/pdf/1511.06434.pdf

与Simple GAN相比，loss部分是一样的，主要的不同在于结构，从全连接改成卷积。

结构

• 使用指定步长的卷积层代替池化层
• 生成器和判别器中都使用BN
• 移除全连接层
• 生成器除去输出层采用Tanh外，全部使用ReLU作为激活函数
• 判别器所有层都使用LeakyReLU作为激活函数

DCAGN通过以上的改进得到的生成器结构如下：

100 * 1 * 1  -> 3 * 64 * 64

判别器结构：

 3 * 64 * 64 -> 1 * 1 * 1

实现

先弄清楚 PyTorch中 nn.Conv2d与nn.ConvTranspose2d函数的用法

完整代码 https://github.com/growvv/GAN-Pytorch/tree/main/DCGAN

DCGAN的原理及Pytorch实现

标签：follow   nbsp   watch   height   loading   ORC   hub   部分   row   

原文地址：https://www.cnblogs.com/lfri/p/14778415.html