我正在使用https://github.com/chainer/chainer/blob/master/examples/dcgan/train_dcgan.py上的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中的网络体系结构。
从阅读文档可以理解，训练图像的大小作为参数发送给Generator类的构造函数，即bottom_width和ch。这是32x32的代码。
类Generator（chainer.Chain）：
定义__init __（self，n_hidden，bottom_width = 4，ch = 512，wscale = 0.02）：
我对如何将其转换为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。
最佳答案
您可以通过了解Deconvolution2D的行为来进行计算。
在net.py中，使用self.dc1（self.dc2的第4个参数）定义3个Deconvolution2D层（self.dc3，stride=2，L.Deconvolution2D），这会使输入高度/宽度加倍。
结果，输出大小将为bottom_size * 2^3，当bottom_size=4时结果为32。
因此，例如，如果要获取64x64图像，则可以为生成器和鉴别器都设置bottom_size=8（但是您需要64x64图像作为真实数据，而不是cifar-100才是32x32图像）。
请参阅官方文档以了解投入产出大小关系的详细信息。
chainer.functions.deconvolution_2d
关于python-3.x - 为Chainer DCGAN模型修改输入图像的大小，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/53928235/