修改 Chainer DCGAN 模型的输入图像大小
Modifying size of input images for Chainer DCGAN model
我正在使用 https://github.com/chainer/chainer/blob/master/examples/dcgan/train_dcgan.py 中的 Chainer DCGAN 示例文件。它适用于 32x32 图像，但对于其他分辨率，README.md 指示修改 net.py 中的网络架构。
根据我阅读文档的理解，训练图像的大小作为参数发送到生成器 class 的构造函数，如 bottom_width 和 ch。这是 32x32 的代码。
class 生成器（chainer.Chain）：
def __init__(self, n_hidden, bottom_width=4, ch=512, wscale=0.02):
我对这如何转换为 32x32 以及如何将其修改为其他分辨率感到困惑。任何帮助将不胜感激。
你可以通过了解Deconvolution2D的行为来计算它。
在net.py中，3个Deconvolution2D层（self.dc1、self.dc2、self.dc3）定义为stride=2（L.Deconvolution2D的第4个参数），将输入加倍 height/width.
因此，输出大小将为 bottom_size * 2^3，当 bottom_size=4 时为 32。
因此，例如，如果您想获得 64x64 图像，您可以为生成器和鉴别器设置 bottom_size=8（但您需要 64x64 图像作为真实数据，而不是 32x32 图像的 cifar-100）。
具体输入输出大小关系请参考官方文档
我正在使用 https://github.com/chainer/chainer/blob/master/examples/dcgan/train_dcgan.py 中的 Chainer DCGAN 示例文件。它适用于 32x32 图像，但对于其他分辨率，README.md 指示修改 net.py 中的网络架构。
根据我阅读文档的理解，训练图像的大小作为参数发送到生成器 class 的构造函数，如 bottom_width 和 ch。这是 32x32 的代码。
class 生成器（chainer.Chain）：
def __init__(self, n_hidden, bottom_width=4, ch=512, wscale=0.02):
我对这如何转换为 32x32 以及如何将其修改为其他分辨率感到困惑。任何帮助将不胜感激。
你可以通过了解Deconvolution2D的行为来计算它。
在net.py中，3个Deconvolution2D层（self.dc1、self.dc2、self.dc3）定义为stride=2（L.Deconvolution2D的第4个参数），将输入加倍 height/width.
因此，输出大小将为 bottom_size * 2^3，当 bottom_size=4 时为 32。
因此，例如，如果您想获得 64x64 图像，您可以为生成器和鉴别器设置 bottom_size=8（但您需要 64x64 图像作为真实数据，而不是 32x32 图像的 cifar-100）。
具体输入输出大小关系请参考官方文档