一、前述
DCGAN就是Deep Concolutions應用到GAN上，但是和傳統的卷積應用還有一些區別，最大的區別就是沒有池化層。本文將詳細分析卷積在GAN上的應用。
二、具體
1、DCGAN和傳統GAN區別
1.將pooling層convolutions替代（對於判別模型：容許網路學習自己的空間下采樣 ，因為沒有池化層，所以讓判別網路自習學習。對於生成模型：容許它學習自己的空間上取樣，即改變原先卷積策略，通過圖片提取特徵，而生成模型通過特徵生成圖片。）
2.在generator和discriminator上都使用batchnorm：
解決初始化差的問題
幫助梯度傳播到每一層
防止generator把所有的樣本都收斂到同一個點。
3.在CNN中移除全連線層
4.在generator的除了輸出層外的所有層使用ReLU，輸出層採用tanh。
5.在discriminator的所有層上使用LeakyReLU
2、生成網路生成影象過程
3、判別網路過程
4、程式碼
程式碼部分詳見git地址：https://github.com/LhWorld/DCGAN