4-DCGAN实战.ipynb

一、DCGAN论文要点 通过跨步卷积层（例如：stride= 2）代替池化层（例如：最大池化层） 取消全连接层，用全局平均池化层代替（在判别器的最后一层） 所有层的输出都用BatchNormalization做归一化 生成器使用转置卷积层，激活函数使用ReLU函数，但最后一层输出层使用Tanh激活函数；判别器使用卷积层，激活函数使用LeakyReLU， the slope of the leak was set to 0.2 in all models. All weights were initialized from a zero-centered Normal distribution with standard deviation 0.02. （所有权重均从零中心正态分布初始化，标准偏差为0.02），Adam优化器的beta1值设置为0.5，学习率设置为0.0002，所有模型均采用小批量随机梯度下降（SGD）训练，最小批量为128。