如何解决为什么消除密集层会提高 DCGAN 的性能？
我一直在阅读 DCGAN 的论文，对这段话有点困惑：
其次是消除卷积特征之上的全连接层的趋势。 最有力的例子是全局平均池化，它已被用于 艺术图像分类模型（Mordvintsev 等人）。我们发现全球平均池化增加了 模型稳定，但影响收敛速度。直接连接最高的中间地带 分别对生成器和鉴别器的输入和输出的卷积特征起作用 好。 GAN 的第一层，以均匀噪声分布 Z 作为输入，可以称为 完全连接，因为它只是一个矩阵乘法，但结果被重塑为 4 维 张量并用作卷积堆栈的开始。
全局平均池化与全连接层有什么关系？为什么消除密集层会提高网络的性能？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
