生成对抗网络GAN系列（一）—— DCGAN

啊啊啊，又来吐槽面试了。某天下午，突然接到一个面试电话，你好，我是**公司的，请问你有10-20分钟的时间吗？接下来我们将进行一个面试。完全没有预料的好吗？自己一点准备也没有，边听问题边回忆好吗？想着怎么回答。当时看过的论文已经很久了，忘记了好吗？还记得当时面试官问我你知道DCGAN吗？你看过CycleGAN没有？我当时就没办法讲清楚那些论文所做的工作。另外还有一次问我看过的最新的工作是什么？有没有看过什么论文？我也不知道如何回答。说了一个CycleGAN，面试官说那都是去年的好吗？当时深深地意识到自己对前沿的关注力度还不够呀，即便我关注过，如果面试官让我在短时间内讲一讲论文的要点，恐怕我也没办法。我觉得做笔记还是很有必要的，现在就只有慢慢地填坑了。当然这只是第一步，第二步是你自己能不能根据论文复现别人的工作，注意是复现，而不是把别人share出来的代码直接跑一跑，复现真的很有帮助，会有助于你去弄懂论文中的每一个细节。之前试着去复现了一篇论文的工作，虽然遇到了一点问题卡住了，但是真的学到了很多东西，明显感觉自己进步了，但是还是有很长的一段路要走啊。好了，先回到DCGAN这里来。

DCGAN全名是deep convolutional generative adversarial networks。

先介绍一下背景，从大量没有标记的数据集中学习到可以利用的特征表示是一个活跃的研究领域。在计算机视觉领域，利用这些实际生活无限量的没有标记的图像和视频学习到好的中间表示，然后将这些特征可以用到许多于监督的学习任务中比如说图像分类。这篇论文就提出了一个方法通过训练生成对抗网络来建立好的图像表示，然后利用generator和discriminator网络的某些部