经典GAN网络结构

首先是Encoder部分，首先将通道数升至64，然后进行2次常规的尺寸减半，通道加倍

     (N, 3, 256, 256)
【Conv 3->64 7x7 s=1 rp=3】（rp表示ReflectionPad2d）
【IN + ReLU】
     (N, 64, 256, 256)
【Conv 64->128 3x3 s=2 p=1】
【IN + ReLU】
     (N, 128, 128, 128)
【Conv 128->256 3x3 s=2 p=1】
【IN + ReLU】
     (N, 256, 64, 64)

接下来是9个ResnetBlock

    x：(N, 256, 64, 64)
【Conv 256->256 3x3 s=1 rp=1】
【IN + ReLU + Dropout(p=0)】
【Conv 256->256 3x3 s=1 rp=1】
【IN】
conv_block(x)：(N, 256, 64, 64)
【add x：(N, 256, 64, 64)】
   out：(N, 256, 64, 64)

最后是Decoder部分

     (N, 256, 64, 64)
【ConvT 256->128 3x3 s=2 p=1 output_padding=1】
【IN + ReLU】
     (N, 128, 128, 128)
【ConvT 128->64 3x3 s=2 p=1 output_padding=1】
【IN + ReLU】
     (N, 64, 256, 256)
【Conv 64->3 7x7 s=1 rp=3】
【Tanh】
     (N, 3, 256, 256)

如果选择opt.netG = 'mobile_resnet_9blocks'，那么中间是9个MobileResnetBlock

   x：(N, 256, 64, 64)
【ReflectionPad p=1】
【SepConv 256->256 3x3,1x1 s=1】
【IN + ReLU + Dropout(p=0)】
【ReflectionPad p=1】
【SepConv 256->256 3x3,1x1 s=1】
【IN】
conv_block(x)：(N, 256, 64, 64)
【add x：(N, 256, 64, 64)】
   out：(N, 256, 64, 64)

【SepConv 256->256 3x3,1x1 s=1】的详细结构如下
【Conv 256->256 3x3 s=1 groups=256】
【IN】
【Conv 256->256 1x1 s=1】

gan-compression轻量级网络

Encoder部分

     (N, 3, 256, 256)
【Conv 3->16 7x7 s=1 rp=3】（rp表示ReflectionPad2d）
【IN + ReLU】
     (N, 16, 256, 256)
【Conv 16->32 3x3 s=2 p=1】
【IN + ReLU】
     (N, 32, 128, 128)
【Conv 32->128 3x3 s=2 p=1】
【IN + ReLU】
     (N, 128, 64, 64)

中间部分

   x：(N, 128, 64, 64)
【ReflectionPad p=1】
【SepConv 128->64 3x3,1x1 s=1】
【IN + ReLU + Dropout(p=0)】
【ReflectionPad p=1】
【SepConv 64->128 3x3,1x1 s=1】
【IN】
conv_block(x)：(N, 128, 64, 64)
【add x：(N, 128, 64, 64)】
   out：(N, 128, 64, 64)

【SepConv 128->64 3x3,1x1 s=1】的详细结构如下
【Conv 128->128 3x3 s=1 groups=128】
【IN】
【Conv 64->64 1x1 s=1】

Decoder部分

     (N, 128, 64, 64)
【ConvT 128->32 3x3 s=2 p=1 output_padding=1】
【IN + ReLU】
     (N, 32, 128, 128)
【ConvT 32->16 3x3 s=2 p=1 output_padding=1】
【IN + ReLU】
     (N, 16, 256, 256)
【Conv 16->3 7x7 s=1 rp=3】
【Tanh】
     (N, 3, 256, 256)