学习笔记：deep convolutional generative adversarial networks(DCGAN)的理解

本篇论文对于后续的生成对抗网络各种衍生应用有很大的帮助，我在自己的研究中很大程度参考了这篇论文进行模型的调整。

在学习这篇文章之前，最好先了解一下卷积神经网络CNN的结构细节。

论文链接：https://arxiv.org/abs/1511.06434

核心思想：

         将CNN扩展到无监督学习领域

GAN缺点：

        1.不稳定，生成器最后经常产生无意义的输出

        2.黑箱子，多层GAN的中间层没有办法表示出来，即可视化的问题。

论文内容：

        1.对模型做了一系列修改和限制，使得训练变得稳定。

        2.使用训练好的判别模型来做分类任务，并且数据表明相比于其他模型表现更好

        3.将学习到的模型形象化