如何基于2D转置卷积设计生成224×224图像的DCGAN生成器？

DCGAN生成器的核心是通过2D转置卷积逐步上采样潜在向量，最终输出目标尺寸的图像。针对224×224的需求，我们可以通过控制转置卷积的步长、卷积核大小和填充，从低维特征图逐步放大到目标尺寸。

核心尺寸计算逻辑 #

转置卷积的输出尺寸公式：
输出尺寸 = (输入尺寸 - 1) × 步长 + 卷积核大小 - 2 × 填充

我们可以从一个小尺寸的初始特征图出发，通过5次上采样（每次尺寸翻倍）得到224×224：
7×7 →14×14 →28×28 →56×56 →112×112 →224×224

完整TensorFlow实现代码 #

import tensorflow as tf
from tensorflow.keras import layers

def build_generator(latent_dim=100):
    # 输入潜在向量
    inputs = layers.Input(shape=(latent_dim,))
    
    # 全连接层将潜在向量转为7×7×512的特征图
    x = layers.Dense(7*7*512, use_bias=False)(inputs)
    x = layers.BatchNormalization()(x)
    x = layers.LeakyReLU()(x)
    
    x = layers.Reshape((7, 7, 512))(x)
    
    # 第1次转置卷积：7×7 →14×14
    x = layers.Conv2DTranspose(256, (4, 4), strides=(2, 2), padding='same', use_bias=False)(x)
    x = layers.BatchNormalization()(x)
    x = layers.LeakyReLU()(x)
    
    # 第2次转置卷积：14×14 →28×28
    x = layers.Conv2DTranspose(128, (4, 4), strides=(2, 2), padding='same', use_bias=False)(x)
    x = layers.BatchNormalization()(x)
    x = layers.LeakyReLU()(x)
    
    # 第3次转置卷积：28×28 →56×56
    x = layers.Conv2DTranspose(64, (4, 4), strides=(2, 2), padding='same', use_bias=False)(x)
    x = layers.BatchNormalization()(x)
    x = layers.LeakyReLU()(x)
    
    # 第4次转置卷积：56×56 →112×112
    x = layers.Conv2DTranspose(32, (4, 4), strides=(2, 2), padding='same', use_bias=False)(x)
    x = layers.BatchNormalization()(x)
    x = layers.LeakyReLU()(x)
    
    # 第5次转置卷积：112×112 →224×224，输出RGB图像
    outputs = layers.Conv2DTranspose(3, (4, 4), strides=(2, 2), padding='same', use_bias=False, activation='tanh')(x)
    
    return tf.keras.Model(inputs, outputs)

# 测试生成器
generator = build_generator()
latent_vector = tf.random.normal((1, 100))
generated_image = generator(latent_vector)
print(f"生成图像尺寸：{generated_image.shape}")  # 输出 (1, 224, 224, 3)

关键细节说明 #

• 初始特征图：选择7×7是因为7×2^5=224，刚好通过5次步长为2的上采样达到目标尺寸。
• 转置卷积参数：统一使用4×4卷积核、步长2、padding='same'，这样每次输入尺寸会翻倍（符合公式计算：(7-1)2 +4 -21=14，以此类推）。
• DCGAN规范：遵循DCGAN的设计准则——转置卷积层不使用偏置，配合BatchNormalization和LeakyReLU激活函数（最后一层用tanh将输出归一化到[-1,1]，匹配真实图像的预处理方式）。
• 通道数调整：每次上采样时将通道数减半，从512逐步降到3（RGB通道），符合特征图越宽通道数越少的规律。

内容的提问来源于stack exchange，提问作者Shubhangi.Joshi PhD2020