DCGAN实验

一，理论基础

DCGAN对卷积神经网络的结构做了一些改变，以提高样本的质量和收敛的速
度，这些改变有：
1.取消所有pooling层。G网络中使用转置卷积（transposed convolutional
layer）进行上采样，D网络中用加入stride的卷积代替pooling。
2.在D和G中均使用batch normalization
3.去掉FC层，使网络变为全卷积网络
4.G网络中使用ReLU作为激活函数，最后一层使用tanh
5.D网络中使用LeakyReLU作为激活函数，最后一层使用sigmoid函数。

二，具体实验

实验依赖数据：dataset [celebA, mnist, faces]
实验代码：tensorpack/examples/GAN/DCGAN.py

1.数据库简介

celebA人脸库，开放数据：大规模名人人脸标注数据集CelebA(20万+)，大小为1G。
每个具有40个属性注释。它有很大的姿态变化和背景。详细信息如下：
身份数：10177个identities
图像数目：202599幅图像
每个图像注释：5个地标位置，40个二进制属性
Align&Cropped Images（对齐裁剪图像）
faces(270M)

2.网络设计

3.实验步骤

1. Download the ‘aligned&cropped’ version of CelebA dataset
   from http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html
   放在data/celebA目录下
2. Start training:
   python3 DCGAN.py –-gpu 4 –data data/celebA/img_align_celeba –cropsize
   140
   Generated samples will be available through tensorboard
3. Visualize samples with an existing model:
   python3 DCGAN.py –gpu 4 –load path/to/model –sample

4.实验结果

celeba
跑200个epoch，大约用时6-7小时