Pytorch 官方Pytork CycleGAN回购协议中的PatchGAN实施在哪里？
论文和70x70补丁的评论中提到了这一点，尽管我在代码中找不到明确实现这一点的地方Pytorch 官方Pytork CycleGAN回购协议中的PatchGAN实施在哪里？,pytorch,generative-adversarial-network,Pytorch,Generative Adversarial Network,论文和70x70补丁的评论中提到了这一点，尽管我在代码中找不到明确实现这一点的地方 有人知道它是如何实现的吗？我已经弄明白了。在PatchGAN的最后一个conv层之后（在平均池之前），平均值为70。因此，单通道特征图（30x30）上来自conv层的每个神经元都有来自70x70块输入的信息。相应的面片在输入上彼此重叠。PatchGAN体系结构不是为鉴别器创建单值输出，而是输出大约30x30个点的特征图。特征图上的每个点都可以在输入空间上看到70x70像素的补丁（这称为感受野大小，如上面链接的文章
有人知道它是如何实现的吗？我已经弄明白了。在PatchGAN的最后一个conv层之后（在平均池之前），平均值为70。因此，单通道特征图（30x30）上来自conv层的每个神经元都有来自70x70块输入的信息。相应的面片在输入上彼此重叠。PatchGAN体系结构不是为鉴别器创建单值输出，而是输出大约30x30个点的特征图。特征图上的每个点都可以在输入空间上看到70x70像素的补丁（这称为感受野大小，如上面链接的文章所述） 输出特征图上的每个点表示鉴别器认为特定特征点的感受野真实程度的概率。 训练鉴别器时，将输出特征图与真实图像的30x30张量1和生成/假图像的30x30张量0进行比较
我们这样做的原因是，与输出单个值的鉴别器相比，PatchGAN鉴别器对其所查看图像的样式更加敏感。感谢您的回答！一个更好的链接应该是这篇蒸馏酒吧文章：编辑：这个答案可能无法回答这个问题，但它澄清了我的疑问。再次感谢你。