DCGAN和GAN有啥区别，DCGAN的优势介绍

DCGAN和GAN是有很大的不同的，下面是两者具体的区别和DCGAN的优势：

我们主要从生成器G和判别器D这两个大方面来讲两者的区别和DCGAN的优势。

1、生成器G

成器G又可以分成以下几种功能，网络结构、归一化、激活、上采样、映射至输出尺寸，DCGAN和GAN在这些功能上有以下的不同之处。

首先是网络结构上来说，DCGAN是转置卷积层，GAN是邻近插值上采样层+卷积层，其次是归一化上，DCGAN是批归一化层，GAN是批归一化层，激活上来说，DCGAN是Tanh()，GAN是Sigmoid()，在这里DCGAN的优势是去中心化(均值为O)，上采样上面来说，DCGAN是转置卷积，GAN是邻近插值上采样，此处DCGAN的优势是可视化、信息冗余小、可以重叠融合，映射至输出尺寸上来说，DCGAN是取消，GAN是全连接层，此处DCGAN的优势是减小参数量、不易过拟合、可提取空间信息、无需输入圈定尺寸。

2、判别器D

判别器D同样有网络结构、归一化、激活、上采样、映射至输出尺寸这几种功能。

同样的先来说以下网络结构上，DCGAN是卷积层，GAN是卷积层+全连接层，归一化上，DCGAN是批归一化层，GAN是不使用归一化层，DCGAN的优势是稳定训练，激活上DCGAN是LeakyReLU()，GAN是Sigmoid()，DCGAN的优势是不会梯度消失，上采样上DCGAN是带步长的卷积，GAN是最大值池化层，DCGAN的优势是信息损失小，映射至输出尺寸上，DCGAN是取消，GAN是全连接层，DCGAN的优势是减小参数量、不易过拟合、可提取空间信息、无需输入固定尺寸。

数据来源：《人工智能44：深度卷积GAN实证》