我是一个Pytorch新手，我对使用DCGAN架构来提供.npy文件非常感兴趣，并希望生成新的。npy文件。numpy文件的形状是(128,7752).
谁能帮我解剖一下DCGAN架构来解决这个问题?
在这一点上，它是非常理论化的。我知道这是可能的，我只是不知道如何改变DCGAN架构。
首先，.npy文件里面有什么?
虽然DCGAN是一个强大的架构，但它对图像数据特别有用。当然，您可以将任何2d数据视为图像，但结果可能令人失望。在您的示例中，即使.npy文件是图像，它们也可能太大，无法用普通的DCGAN生成。您将耗尽内存或只是有极差的结果。
众所周知，当涉及到大数据和巨大的多样性时，训练gan是相当具有挑战性的，这里有一篇文章回顾了训练gan的主要困难。
无论如何，如果你愿意尝试，以下是你应该遵循的主要步骤:
- 如果可能的话，将数据裁剪成更小的部分。在任何情况下，为了更容易地设计模型，数据的空间维度理想情况下应该是2的幂。
- 构建一个生成器，从随机的噪声块中输出正确大小的图像，例如，如果你的数据是128x4096，你可以构建一个具有足够的反卷积层的生成器，其步幅为128。然后你应该采样尺寸为1x32xC的噪声，其中C是通道数。
- 也建立一个判别器作为CNN，它可能不需要有相同的步幅。鉴别器将提供一个分类图，说明输入图像中的每个补丁是真还是假。
- 实现损耗和训练循环。
我希望这对你有帮助。