学习GAN时，如何确定MNIST数据集图像的输入与输出特征数量？

MNIST基础属性先明确 #

MNIST是28×28像素的单通道灰度图，原始像素值范围为0-255，通常会归一化到[0,1]或[-1,1]区间适配网络激活函数。

1. 判别器（Discriminator）的输入输出特征 #

• 输入特征数量：
  • 用全连接网络时，需将图像展平为一维向量，特征数为 28×28=784；
  • 用卷积结构（如DCGAN）时，保留空间结构，输入为张量形式，维度通常是 (1,28,28)（通道在前）或 (28,28,1)（通道在后），总特征数仍为784，但网络直接处理空间维度信息。
• 输出特征数量：
  固定为1维，输出一个0-1之间的概率值，用于判断输入图像是真实样本（接近1）还是生成样本（接近0）。

2. 生成器（Generator）的输入输出特征 #

• 输入特征数量：
  输入是随机噪声向量，维度可自行选择，MNIST实验中常用的是100维、128维或256维。这个维度没有强制标准，只要能足够表达生成图像的潜在特征即可，100维是最常见的默认值。
• 输出特征数量：
  必须与真实MNIST图像的维度一致：
  • 全连接网络下输出784维向量，对应展平后的28×28灰度图；
  • 卷积结构下输出 (1,28,28) 或 (28,28,1) 的张量，直接对应图像的空间结构。

实践注意点 #

• 像素值归一化要匹配激活函数：比如生成器用tanh激活时，需将真实图像像素值归一到[-1,1]；用sigmoid则归一到[0,1]。
• 噪声向量维度可根据生成效果调整：如果生成图像模糊或多样性不足，可尝试增大噪声维度（如256维）；若训练不稳定，可适当减小。

内容的提问来源于stack exchange，提问作者Madhava Yedla