GAN网络学习之DCGAN（二）

初识DCGAN

问：什么是DCGAN？
答：DC意为deep convolution，它把卷积神经网络应用在对抗生成网络中。
问：DCGAN相对于GAN做了哪些改变？
答：有以下几点：
（1）池化层pooling被卷积层convolution代替，网络结构中没有池化层。
具体而言，在生成模型中，允许卷积层代替池化层完成空间上采样的学习；
在判别模型中，允许卷积层代替池化层完成空间下采样的学习；
（2）在生成模型和判别模型中使用batchnorm。解决的问题是1)初始化差的问题；2）梯度消失、弥散等问题；3）防止生成模型把所有样本收敛于同一点；
（3）相比CNN移除了全连接层；
（4）使用激活函数不同，生成模型中出输出层使用tanh外，其他全部采用 Relu；判别模型全部采用Leaky ReLU。

DCGAN网络结构

1 G网络

100z代表一个100维的噪音向量，先通过一个简单的全连接层reshape成4X4X1024的特征图形式，再通过四层CONV层实现反卷积，最终输出一个64X64X3的图片。
2 D网络

代码讲解

1 数据及代码
数据：人脸数据 提取码：c8u3
卡通图像 提取码：6u6m
DCGAN代码提取码：umsx
2 代码讲解
（1）创建结构

  main.py文件

 dcgan = DCGAN(
          sess,
          input_width=FLAGS.input_width,                //输入输出数据的大小
          input_height=FLAGS.input_height,
          output_width=FLAGS.output_width,
          output_height=FLAGS.output_height,
          batch_size=FLAGS.batch_size,                 //一次迭代用到图像的数量
          c_dim=FLAGS.c_dim,                               //通道数，黑白为1，彩色为3
          dataset_name=FLAGS.dataset,               //数据集名字
          input_fname_pattern=FLAGS.input_fname_pattern,
          is_crop=FLAGS.is_crop,                            //是否进行crop
          checkpoint_dir=FLAGS.checkpoint_dir,                //存储模型参数的路径
          sample_dir=FLAGS.sample_dir)

model.py文件

class DCGAN(object):
  def __init__(self, sess, input_height=108, input_width=108, is_crop=True,
         batch_size=64, sample_num = 64, output_hei