DCGAN深度卷积生成对抗网络的意义和设计的技巧(TensorFlow2.0)

什么是DCGAN

DEGAN就是将CNN和原始的GAN结合到了一起，生成模型和判别模型都运用了深度卷积神经网络的生成对抗网络

DCGAN的设计

反卷积结构

DCGAN设计技巧

• 取消所有的pooling层。G网络中使用转置卷积(transposed convolutional layer)进行上采样，D网络中加入stride的卷积代替pooling。
• 去掉FC层，使网络变为全卷积网络
• G网络中使用relu作为**函数，最后一层使用tanh
• D网络中使用LeakyReLU作为**函数
• 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把所以样本都收敛到同一个点。 直接将BN应用到所以层会导致样本震荡和模型不稳定，通过在generator输出层和discriminator输入层不采用BN可以防止这种现象。
• 使用Adam优化器