宽、高则同卷积核的步长数相关,一般是乘的关系。...比如:
...假设本层输入为7x7x256...
layers.Conv2DTranspose(128, (5, 5), strides=(1, 1), padding='same', use_bias...=False))
...因为节点数为128,步长是1...
...所以输出维度是7x7x128...
layers.Conv2DTranspose(64, (5, 5), strides...=(2, 2), padding='same', use_bias=False))
...输出维度为14x14x64......而把完整的训练过程连续起来作为一张动图,同VAE一样,是一幅从噪声到清晰,缓慢的渐进过程。因为GAN网络并非直接比较图片结果,无法更直接的指出图片差距,因此在渐进过程中,能看到一些反复和跳动。