Pytorch学习笔记-第七章

记录一下个人学习和使用Pytorch中的一些问题。强烈推荐 《深度学习框架PyTorch：入门与实战》.写的非常好而且作者也十分用心，大家都可以看一看，本文为学习第七章GAN生成动漫头像的学习笔记。

主要分析实现代码里面main，model，visualize这3个代码文件完成整个项目模型结构定义，训练及生成，还有输出展示的整个过程。

model文件

整个模型结构是经典的生成器-判别器架构，model文件也只有这两个类，分别用于生成和判别图片。

生成器

生成器是从无到有，从一个噪声扩充数据到指定的大小，所以其中的网络层是反卷积层。除了第一层的输入通道数为参数设置之外，其他各层与判别器对称，可以从1x1x opt.nz的噪音，生成一个3x96x96的图片

class NetG(nn.Module):
    """
    生成器定义
    """

    def __init__(self, opt):
        super(NetG, self).__init__()
        ngf = opt.ngf  # 生成器feature map数

        self.main = nn.Sequential(
            # 输入是一个nz维度的噪声，我们可以认为它是一个1*1*nz的feature map
            nn.ConvTranspose2d(opt.nz, ngf * 8, 4, 1, 0, bias=False),
            nn.BatchNorm2d(ngf * 8),
            nn.ReLU(True),
            # 上一步的输出形状：(ngf*8) x 4 x 4

            nn.ConvTranspose2d(ngf * 8, ngf * 4, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ngf * 4),
            nn.ReLU(True),
            # 上一步的输出形状： (ngf*4) x 8 x 8

            nn.ConvTranspose2d(ngf * 4, ngf * 2, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ngf * 2),
            nn.ReLU(True),
            # 上一步的输出形状： (ngf*2) x 16 x 16

            nn.ConvTranspose2d(ngf *