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。