Pytorch實作系列— DCGAN

DCGAN是由Radford et al.(2015, indico、臉書 FAIR)在Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks提出，是結合CNN和GAN的經典範例，提升GAN對應的資訊層次，不再只限於過往的線性層，還能包含卷積層的訊息。

對GAN不清楚的，可參考

Pytorch實作系列— GAN

資料集

CIFAR-10，一個包含十種物件的圖像分類資料集。

網路

相對應單純的卷積神經網路，輸入是長度100的常態分佈亂數，最終生成微小的64 x 64 RGB圖片。

損失函數

採用 Binary Cross Entropy loss。

訓練

同GAN的訓練方式。

評估

結語

本文為DCGAN的簡單實現，代碼可參考以下連結

gitE0Z9/classical-network-series

參考

eriklindernoren/PyTorch-GAN