前言

昨天實作了簡單的GAN之後，今天我們來介紹GAN第一個常見的種類-DCGAN！

正文

DCGAN全名為Deep Convolutional Generative Adversarial Networks，是一種生成對抗網路（GAN）的變種，專門用於生成逼真的圖像。他與前面的CAE一樣，DCGAN引入了卷積神經網路（CNN）的概念，以有效地生成高解析度的圖像。

以下是論文中DCGAN的核心架構

1. 用步進卷積替換池化層（鑑別器）和分數步進卷積（fractional-strided convolutions）（生成器）： 在鑑別器中，將池化層替換為步進卷積，以維持圖像的空間分辨率。在生成器中，使用分數步進卷積，以實現圖像的放大。
2. 在生成器和鑑別器中使用批次正規化（batch normalization）： 批次正規化有助於穩定訓練過程，防止梯度爆炸或消失問題，因此建議在兩個模型中都使用它。
3. 去除深度架構中的全連接隱藏層： 在更深的網絡中，不建議使用全連接隱藏層，而是專注於卷積和步進卷積層。
4. 在生成器中使用ReLU激活函數（Rectified Linear Unit）： 除了輸出層外，建議在生成器的所有層中使用ReLU激活函數，以促進訓練中的非線性學習。輸出層可以使用Tanh函數，將像素值縮放到合適的範圍。
5. 在鑑別器中使用LeakyReLU激活函數： 在鑑別器的所有層中使用LeakyReLU激活函數，這有助於處理梯度消失問題，並提高鑑別性能

以下是以生成64*64的圖為例：

卷積的部分可以參考第14天的CAE：[DAY14] Convolutional Autoencoder(CAE)的理論

總結

今天稍微介紹了DCGAN的理論，明天將會實作DCGAN，那我們明天見！