Question

我正在研究DCGAN，我对此感到好奇。

在Ian Goodfellow的自然GAN中，鉴别器模型输出一个标量值，表示概率。但DCGAN的鉴别器采用CNN架构设计。我知道CNN的输出是类概率的向量。

那么鉴别器如何在DCGAN上运行？ DCGAN的鉴别器输出是什么？

Answer 1

有关详细答案，请参阅Image Completion with Deep Learning in TensorFlow。

简而言之：假设你创建了一个CNN，它有n个输入大小和有效填充大小的过滤器。然后输出的形状为n x 1 x 1.然后你可以将softmax应用于那个形状，你就有了通道中的概率。

您可能还想阅读我的硕士论文的2.2.1. Convolutional Layers。

Answer 2

鉴别器 D 会获取3x64x64（例如）输入图像，通过一系列Conv2d，BatchNorm2d和LeakyReLU层对其进行处理，然后通过乙状结肠激活功能。

让我们看一个示例代码以了解其输入和输出。

class Discriminator(nn.Module):
def __init__(self, ngpu):
    super(Discriminator, self).__init__()
    self.ngpu = ngpu
    self.main = nn.Sequential(

        nn.Conv2d(nc, ndf, 4, 2, 1, bias=False),
        nn.LeakyReLU(0.2, inplace=True),

        nn.Conv2d(ndf, ndf*2, 4, 2, 1, bias=False),
        nn.BatchNorm2d(ndf*2),
        nn.LeakyReLU(0.2, inplace=True),

        nn.Conv2d(ndf*2, ndf*4, 4, 2, 1, bias=False),
        nn.BatchNorm2d(ndf*4),
        nn.LeakyReLU(0.2, inplace=True),

        nn.Conv2d(ndf*4, ndf*8, 4, 2, 1, bias=False ),
        nn.BatchNorm2d(ndf*8),
        nn.LeakyReLU(0.2, inplace=True),

        nn.Conv2d(ndf*8, 1, 4, 1, 0, bias=False),
        nn.Sigmoid()

    )

def forward(self, input):
    return self.main(input)

有关更多详细信息，请visit here

鉴别器如何在DCGAN上运行？

2 个答案: