科技公司网站php源码,营销战略和营销策略,成都高速公路网站建设招标,创建一个行业网站多少钱DCGAN的论文地址[https://arxiv.org/pdf/1511.06434.pdf]。DCGAN是GAN的一个变体#xff0c;DCGAN就是将CNN和原始的GAN结合到一起#xff0c;生成网络和鉴别网络都运用到了深度卷积神经网络。DCGAN提高了基础GAN的稳定性和生成结果质量。DCGAN主要是在网络架构上改进了原始的… DCGAN的论文地址[https://arxiv.org/pdf/1511.06434.pdf]。DCGAN是GAN的一个变体DCGAN就是将CNN和原始的GAN结合到一起生成网络和鉴别网络都运用到了深度卷积神经网络。DCGAN提高了基础GAN的稳定性和生成结果质量。 DCGAN主要是在网络架构上改进了原始的GANDCGAN的生成器与判别器都利用CNN架构替换了原始GAN的全连接网络主要改进之处有如下几个方面 1DCGAN的生成器和判别器都舍弃了CNN的池化层判别器保留CNN的整体架构生成器则是将卷积层替换成了反卷积层。 2在判别器和生成器中使用了BatchNormalization(BN)层这里有助于处理初始化不良导致的训练问题加速模型训练提升训练的稳定性。要注意在生成器的输出层和判别器的输入层不使用BN层。 3在生成器中除输出层使用Tanh()激活函数其余层全部使用Relu激活函数在判别器中除输出层外所有层都使用LeakyRelu激活函数防止梯度稀疏。 DCGAN的网络设计如下1取消所有pooling层G网络中使用转置卷积进行上采样D网络中加入stride的卷积为防止梯度稀疏代替pooling2去掉FC层全连接使网络变成全卷积网络 3G网络中使用Relu作为激活函数最后一层用Tanh4D网络中使用LeakyRelu激活函数5在generator和discriminator上都使用batchnorm,解决初始化差的问题帮助梯度传播到每一层防止generator把所有的样本都收敛到同一点。直接将BN应用到所有层会导致样本震荡和模型不稳定因此在生成器的输出层和判别器的输入层不使用BN层可以防止这种现象。6使用Adam优化器7参数设置参考:LeakyRelu的斜率是0.2Learing rate 0.0002batch size是128。DCGAN的G生成器的网络结构如下代码实现如下carpedm20/DCGAN-tensorflow: A tensorflow implementation of Deep Convolutional Generative Adversarial Networks (github.com)
