鉴别器如何工作在DCGAN上？

Question

我对DCGAN进行了研究，并对此有一些疑问。

在伊恩·古德费罗的自然GAN中，判别器模型输出一个标量值，这意味着概率。但DCGAN的甄别器是用CNN架构设计的。我知道CNN的输出是阶级概率的向量。

那么鉴别器是如何在DCGAN上工作的呢？DCGAN鉴别器的输出是什么？

Answer 1

有关详细答案，请参见TensorFlow中基于深度学习的图像处理。

简单地说:假设你做了一个CNN，它有n个输入大小的过滤器和有效的填充。然后输出为nx1x1，然后可以将softmax应用于该形状，并且在通道中有概率。

你也许也想读一下我硕士论文的2.2.1。卷积层。

Answer 2

判别器D接受3x64x64(例如)输入图像，通过一系列Conv2d、BatchNorm2d和LeakyReLU层处理它，并通过Sigmoid激活函数输出最终的概率。

让我们看一个示例代码来理解它的输入和输出。

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)

有关更多细节，请访问到这里来