Einen DCGAN erstellen
Ein konvolutionelles GAN zur Bilderzeugung.
Einen DCGAN erstellen ist eine kostenlose Deep Learning Academy-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Deep Learning Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
What DCGAN Adds
A DCGAN is a GAN built from convolutional layers. It swaps dense layers for convolutions, which makes it great at generating realistic images. 🖼️
Generator Grows the Image
The generator uses transposed convolutions to upsample a tiny latent vector step by step into a full-size image.
nn.ConvTranspose2d(100, 256, 4, 1, 0)Discriminator Shrinks the Image
The discriminator does the reverse: strided convolutions shrink the image down to a single real-or-fake score.
nn.Conv2d(3, 64, 4, 2, 1)Batch Norm Stabilizes
DCGAN puts batch normalization between layers in both networks. It keeps activations healthy and makes training far more stable.
nn.BatchNorm2d(256)ReLU in the Generator
The generator uses ReLU activations on its hidden layers to keep gradients flowing as the image is built up.
nn.ReLU(True)LeakyReLU in the Discriminator
The discriminator prefers LeakyReLU, which lets a small signal through for negative values and avoids dead neurons.
nn.LeakyReLU(0.2, inplace=True)Tanh on the Output
The generator ends with Tanh, squeezing pixels into the range minus one to one to match normalized training images.
nn.Tanh()Sigmoid for the Verdict
The discriminator finishes with a sigmoid, turning its final feature into a probability between zero and one.
nn.Sigmoid()Weight Initialization
DCGAN starts weights from a small normal distribution centered near zero. Good init helps both networks train smoothly from the first step.
nn.init.normal_(m.weight, 0.0, 0.02)Pick the Latent Size
The latent dimension, often 100, sets how many random numbers seed each image. Larger latents give the generator more room to vary.
nz = 100Watch Samples as You Train
Save a grid of generated images every few epochs. Watching them get sharper is how you confirm a DCGAN is actually learning.
Quick Check
Which activation belongs at the very end of the generator?
Recap: Building a DCGAN
You assembled a DCGAN: transposed convolutions grow images, strided convolutions judge them, and batch norm keeps it all stable. 🛠️
Häufig gestellte Fragen
Ist die Lektion „Einen DCGAN erstellen“ kostenlos?
Ja — der vollständige Text von „Einen DCGAN erstellen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Deep Learning Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Einen DCGAN erstellen“?
Ein konvolutionelles GAN zur Bilderzeugung. Du übst Deep Learning Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Deep Learning Academy zu starten?
Keine Vorkenntnisse erforderlich. Deep Learning Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Einen DCGAN erstellen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Deep Learning Academy-Lektion Code schreiben und ausführen?
Ja. Jede Deep Learning Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Generator vs. Discriminator: Das Spiel
- Der adversariale Loss
- Einen DCGAN erstellen
- Mode Collapse und stabilisierende Tricks