env:
- python >= 3.8.8
- torchvision >= 0.9.1
- pytorch >= 1.8.1
Modified DCGAN implementation of DCGAN. I use "shortcut" connection to enhance generator net, which can train faster than original DCGAN.
Before you start train your own net, you need to create your own dataset: just creat "image" folder in your current path, and put all your data in a subfolder.(if you already have a data, you can change the parser 'img_path' to load your own data)
Remember to change the 'img_channels' to 3 when you use RGB image. Grey value then change it to 1.
You can use command: "python dcgan.py" to train your own net.
个人魔改了下DCGAN网络，把其中部分网络换成了residual connection，个人测试下，发现训练速度比原版网络快。
环境要求不高，一般训练过网络的配置应该都是可以的，要是出现环境配置错误，在上面也列出了对应的主要包的版本。可以按照网上的教程进行配置
代码中的注释也比较齐全，方便大家阅读。
在训练自己的网络之前，你需要创建自己的数据集文件夹：在当前目录下创建‘image’文件夹，然后把所有训练图片放入‘image’文件下面的一个子文件夹就可以。
当然也可以用经典的Fashion-MNIST数据集，在dcgan.py文件中注释掉原来获取数据的语句，取消下面的一段就可以了。 本代码支持黑白照片和彩色图片，只需要在最前面的参数表中修改‘img_channels’即可完成。（黑白改为 1；彩色改为 3 ）
个人测试下，这个网络在输入单张图片时复现能力强，但是用多图训练的时候会出现栅栏现象，暂时还没能解决，欢迎大家讨论交流。（实际测试的时候，我自己复现的原版以及网上找到的复现版本用彩色多图数据集表现也都很一般，比较奇怪）
注意，其中的dcgan.py才是真正的训练网络，下面的ResNet.py文件是自己实现的库，要两个都下载并放在同一目录下才能正确运行网络。