1. Introduction

本教程将通过一个示例介绍 DCGANs（深度卷积生成对抗网络）。我们将训练一个生成对抗网络（GAN），在给它展示大量真实名人照片后，它能够生成新的“名人”图片。这里的大部分代码来源于 PyTorch 官方示例中的 DCGAN 实现，而本文档将对该实现进行详细解释，并阐明这种模型的运行机制及其背后的原因。无需担心，你不需要事先了解 GAN 的知识，但初次接触的读者可能需要花一些时间来理解模型底层的实际运作方式。此外，为了节省时间，建议使用一块（或多块）GPU 来运行。那么，让我们从头开始吧！

2. 生成式对抗网络

1. 什么是 GAN?

GANs（生成对抗网络）是一种深度学习框架，旨在教会模型捕获训练数据的分布，以便能够从该分布中生成新的数据。GANs 由 Ian Goodfellow 于 2014 年发明，并首次在论文《Generative Adversarial Nets》中被描述。

GANs 由两个独立的模型组成：生成器（Generator） 和 判别器（Discriminator&#