DCGAN论文阅读笔记

本文详细介绍了DCGAN论文,重点讨论了卷积网络的三个演进,包括使用反卷积和strided卷积,以及全局平均池化替代全连接层。此外,还探讨了BN在模型稳定性和收敛性中的作用。网络结构部分阐述了generator和discriminator的激活函数选择,并提供了代码解析。
摘要由CSDN通过智能技术生成

一.论文链接

二.论文概要

  • 提出了基于卷积拓扑网络的DCAGN,并且分析验证了卷积GAN的一些限制
  • 将训练好的解码器用于分类,能达到挺好的效果
  • 可视化GAN的一些层

三.论文细节

1) CNN的三个演进
  • generator中使用反卷积来上采样,discriminator中使用strided卷积来替代池化层,从而让网络自己去学习空间采样
  • global averaging pooling来替代全连接层,作者发现这一操作提升了模型的可靠性,但是会降低模型的收敛速度。
  • BN,加速收敛以及缓解梯度弥散。在GAN中直接应用的话会导致样本震荡以及模型不稳定,作者不在generator的输出层以及discriminator的输入层加BN来防止这个问题。
2) 网络结构
  • generator中,relu为激活函数,除了输出层是用的sigmoid函数。
  • 使用bounded activation的帮助会更大一点,学的更快,能覆盖更多的训练分布中的颜色空间。
  • 在discriminator中,作者使用leaky relu作为激活函数

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值