DCGAN生成式网络

本项目主要使用Pytorch深度学习框架，可视化工具依旧选择的是tensorboard

下表数据为最后一轮的结果。

数据集	DLoss	GLoss	结果展示
CIFAR10	0.27	5.43	效果1
MNIST	1.04	0.57	效果2

使用方式 首先拉下来仓库代码，在终端中输入下面命令，查看训练过程中的效果变化，你也可以点击表格上面的效果查看动图效果。

tensorboard --logdirs=runs

MNIST

生成手写体数字识别 就是GAN原论文里面的相关试验内容，这里我使用DCGAN去复现效果。

相关文件

• MNIST_train.py

因为MNIST数据集中本身就是灰度图，所以我们需要将 $nc = 1$

Loss

从名字上看，我们就知道名称为对抗，所以loss存在一个波动的样子，但是整体是一个下降趋势。

效果

CIFAR10

CIFAR10数据集不同于前面的MNIST数据集，它不再是一个灰度图，而是具有3通道的RGB。 所以我们需要设置 $nc = 3$

相关文件

• cifar10_train.py

Loss

效果