hosteons中文网

近年来，卷积网络（CNN）的监督学习在计算机视觉中得到了广泛的应用。相比之下，无监督的 CNN 学习受到的关注较少。

本节希望能够帮助弥合有监督学习和无监督学习的可用 CNN 之间的差距。引入了一类称为深度卷积生成对抗网络（DCGAN）的 CNN，它具有一定的架构约束，表明它们是无监督学习的有力候选者。通过训练各种图像数据集，展示了令人信服的证据，深度卷积对抗双方学习了从对象部分到生成器和鉴别器中场景的表示层。另外，将经过训练生成的特征应用于新任务——将它作为一般图像特征进行应用。

用于伪造 MNIST 图像的想法同样可以应用于其他图像领域。本节将学习如何使用软件包在不同的数据集上训练 DCGAN 模型。

参阅该软件包可访问网址：https://github.com=/carpedm20/DCGAN-tensorflow。

请注意，生成器具有下图所示的体系结构：