模型简介

模型介绍：DCGAN是上述讲的GAN的一个分支，不同的是DCGAN分别在判别器和生成器中使用卷积和反卷积层。它最初是由Radford等人在论文Unsupervised Representation Learning With Deep Convolutional Generative Adversarial Networks中提出的。 判别器由卷积层、批标准化层、以及LeakyReLU激活函数组成。输入是一张3x64x64的图片，输出是该图来自真实数据分布的标量概率值。 生成器由反卷积层、批标准化层、以及ReLU激活函数组成。输入是一个来自标准正分布的潜在空间向量 z z z，输出是一个3x64x64的RGB彩色图片。反置卷积层将潜在空间向量转换为具有与真实图像相同的维度。论文中，作者还提供了有关如何设置优化器，如何计算损失函数，以及如何初始化模型权重的一些技巧。论文地址：https://arxiv.org/pdf/1511.06434.pdf

---

1. 使用方法

   • 1.1. 模型训练

2. 模型来源

1. 使用方法

1.1. 准备数据集

在终端，在root/DCGAN（默认）路径下，运行以下命令：

cd ../..
cd user-data
mkdir CelebA
# 在user-data目录下创建CelebA文件夹
cd ..
cp -r datasets/CelebA/Img/img_align_celeba ../../user-data/CelebA
# 将复现所需的公开数据集复制到指定文件夹下

1.2. 模型训练

在终端，进入root/DCGAN（默认）路径下，运行以下命令：

python DCGAN.py

2. 模型来源

https://github.com/pytorch/tutorials/blob/master/beginner_source/dcgan_faces_tutorial.py