修改 Chainer DCGAN 模型的输入图像大小

Question

我正在使用位于 https://github.com/chainer/chainer/blob/master/examples/dcgan/train_dcgan.py 的 Chainer DCGAN 示例文件。它适用于 32x32 图像，但对于其他分辨率，README.md 指示修改 net.py 中的网络架构。

根据我阅读文档的理解，训练图像的大小作为参数发送到生成器类的构造函数，作为bottom_width 和ch。这是 32x32 的代码。

类生成器（chainer.Chain）： def __init__(self, n_hidden, bottom_width=4, ch=512, wscale=0.02):

我很困惑如何将其转换为 32x32，以及如何将其修改为其他分辨率。任何帮助将不胜感激。

Answer 1

您可以通过了解Deconvolution2D 的行为来计算它。 在net.py 中，3 Deconvolution2D 层（self.dc1、self.dc2、self.dc3）是用stride=2（L.Deconvolution2D 的第 4 个参数）定义的，它使输入高度/宽度加倍。

因此，输出大小将为bottom_size * 2^3，当bottom_size=4 时结果为32。

因此，例如，如果您想获得 64x64 图像，您可以为生成器和判别器设置 bottom_size=8（但您需要 64x64 图像作为真实数据，而不是 cifar-100，即 32x32 图像）。

输入输出大小关系详情请参考官方文档。

• chainer.functions.deconvolution_2d