CNN
注意filter的深度问题,更容易理解
GAN
CNN+GAN
DCGAN就是把GAN中的G和D用CNN的架构替换,并且对一些激活函数的调整,总得说就是对网络架构的修改,并且非常厉害的调整参数。
DCGAN中换成了两个卷积神经网络(CNN)的G和D,可以刚好的学习对输入图像层次化的表示,尤其在生成器部分会有更好的模拟效果。DCGAN在训练过程中会使用Adam优化算法。
对于G部分的修改:用反卷积代替全连接网络
(反卷积其实和卷积差不多,不过是边界补充0,再卷积)
对于D的修改:
1.D中取消所有的池化层,使用转置卷积(transposed convolutional layer)并且步长大于等于2进行上采样。
D网中也加入stride的卷积代替pooling。
2.在D网和G网中均使用批量归一化(batch normalization),而在最后一层时通常不会使用batch normalization,这是为了保证模型能够学习到数据的正确均值和方差。
3.D网络中使用LeakyReLU作为激活函数。
更多的细节: