笔记-GAN

 

 

监督学习神经网络就属于discriminator 

DCGAN 

G网中取消所有池化层， 使用转置卷积（transposed convolutional layer） 并且步长大于等于2进行上采样
D网中也用加入stride的卷积代替pooling
在D网和G网中均使用批量化归一（batch normalization） ， 而在最后一层时通常不会使用batch normalizaiton， 这是为了保证模型能够学习到数据的正确均值和方差
去掉了FC层， 使网络变为全卷积网络
G网中使用ReLU作为激活函数， 最后一层使用Tanh作为激活函数
D网中使用LeakyReLU作为激活函数
DCGAN中换成了两个卷积神经网络（CNN） 的G和D，  DCGAN在训练中会使用Adam优化算法

InfoGAN是一种把信息论与GAN相融合的神经网络， 能够使网络具有信息解读功能
InfoGAN： 带有隐含信息的GAN