12、生成式算法中的GAN模型详解

生成式算法中的GAN模型详解

1. 条件生成对抗网络（Conditional GANs）

条件生成对抗网络是许多先进GAN的核心构建模块。2014年，Mirza和Osindero提出的想法表明，将数据的类别标签整合到GAN训练中，能使训练过程更加稳定。这种利用先验信息来约束GAN的方法，在后续的GAN研究中十分常见，尤其在图像到图像、文本到图像的应用领域中具有重要意义。

2. 深度卷积生成对抗网络（DCGAN）

2.1 DCGAN概述

深度卷积生成对抗网络（DCGAN）是一种广受欢迎的GAN网络设计。它引入了卷积神经网络（CNN）的关键概念，克服了一些传统GAN面临的挑战，从而能够生成更高质量的图像。

2.2 DCGAN架构特点

DCGAN的架构包含以下几个重要方面：
- 批量归一化（Batch Normalization） ：除了生成器的输出层和判别器的输入层，其他层都使用批量归一化。
- 卷积步长（Convolutional Stride） ：使用卷积步长替代了所有的最大池化操作。
- 卷积层调整 ：对卷积层进行了优化。
- 激活函数 ：生成器中除输出层使用tanh激活函数外，其余层使用修正线性单元（ReLU）激活函数；判别器使用Leaky ReLU激活函数。

2.3 ReLU与Leaky ReLU对比

• ReLU激活函数