GAN的生成器是怎么产生图片的？ 第1页

原 GAN（Goodfellow et al., 2014）的完整理论推导与 TensorFlow 实现请查看机器之心的 GitHub 项目与文章：GAN 完整理论推导与实现。

假设提问者已了解GAN的原理，只是单纯不知道G的工作过程。下面只介绍生成器G。

生成器G可以用深度神经网络来表示生成函数，而且限制仅限于可微。输入数据z可以从任意的分布中采样，G的输入也无需与深度网络的第一层输入一致（例如，可以将输入z分为两部分：z1和z2，分别作为第一层和最后一层的输入，如果z2服从高斯分布，那么（x | z1）服从条件高斯分布）。但z的维数要至少与x的维数一致，才能保证z撑满整个x样本空间。G的网络模型也不受任何限制，可以采用多层感知机、卷积网络、自编码器等。因此，GAN对生成器的限制很少。

拿DCGAN举个例子：

DCGAN是第一个把Batch normalization引入到GAN的网络架构，并且使用了Adam等方法，增强了网络的稳定性。

该网络有4个卷积层，所有的位于BN（输出层除外）和校正线性单元（ReLU）激活之后。

它将随机向量z（从正态分布中抽取）作为输入。将z重塑为4D形状之后，将其馈送到启动一系列上采样层的生成器中。

每个上采样层都代表一个步幅为2的转置卷积（Transpose convolution）运算。转置卷积与常规卷积类似。

一般来说，常规卷积从宽且浅的层延展为更窄、更深的层。转移卷积走另一条路。他们从深而窄的层次走向更宽更浅。

转置卷积运算的步幅定义了输出层的大小。在“相同”的填充和步幅为2时，输出特征的大小将是输入层的两倍。

发生这种情况的原因是，每次我们移动输入层中的一个像素时，我们都会将输出层上的卷积内核移动两个像素。换句话说，输入图像中的每个像素都用于在输出图像中绘制一个正方形。

将一个3x3的内核在一个步幅为2的2x2输入上进行转置，就相当于将一个3x3的内核在一个步幅为2的5x5输入上进行卷积运算。简而言之，生成器开始于这个非常深但很窄的输入向量开始。在每次转置卷积之后，z变得更宽、更浅。所有的转置卷积都使用5x5内核的大小，且深度从512减少到3——代表RGB彩色图像。

最后一层通过双曲正切（tanh）函数输出一个32x32x3的张量——值在-1和1之间进行压缩。

这个最终的输出形状是由训练图像的大小来定义的。在这种情况下，如果是用于SVHN的训练，生成器生成32x32x3的图像。但是，如果是用于MNIST的训练，则会生成28x28的灰度图像。

这个知乎专栏为深度学习而设，欢迎大家关注与投稿。