深度卷积生成对抗网络DCGAN的框架DCGAN设计规则为了使GAN能够很好地适应卷积神经网络架构，DCGAN提出了四点架构设计规则，分别是：使用卷积层替代池化层去除全连接层使用批归一化（batch normalization）使用恰当的激活函数详细解释：第一点：把传统卷积网络中的池化层全部去除，使用卷积层代替。对于判别器，我们使用步长卷积（strided convolution）来代替池化层；对于生成器，我们使用分数步长卷积（fractional-strided convolutions）来代替池化层。上图（步长卷积）表示了卷积层如何在判别器中进行空间下采样（spatial downsampling），输入数据为5×5的矩阵，使用了3×3的过滤器，步长为2×2，最终输出为3×3的矩阵。上图（分数步长卷积）表示的是卷积层在生成器中进行上采样（spatial upsampling），输入为3×3的矩阵，同样使用了3×3过滤器，反向步长为2×2，故在每个输入矩阵的点之间填充一个0，最终输出为5×5。使用上述卷积层替代池化层的目的是让网络自身去学习空间上采样与下采样，使得判别器和生成器都能够有
一只胖橘