什么是DCGAN
DEGAN就是将CNN和原始的GAN结合到了一起，生成模型和判别模型都运用了深度卷积神经网络的生成对抗网络
DCGAN的设计
反卷积结构
DCGAN设计技巧
- 取消所有的pooling层。G网络中使用转置卷积(transposed convolutional layer)进行上采样，D网络中加入stride的卷积代替pooling。
- 去掉FC层，使网络变为全卷积网络
- G网络中使用relu作为**函数，最后一层使用tanh
- D网络中使用LeakyReLU作为**函数
- 在generator和discriminator上都使用batchnorm。解决初始化差的问题，帮助梯度传播到每一层。防止generator把所以样本都收敛到同一个点。 直接将BN应用到所以层会导致样本震荡和模型不稳定，通过在generator输出层和discriminator输入层不采用BN可以防止这种现象。
- 使用Adam优化器