生成对抗网络 (GAN) 架构：编码器-解码器和判别器

在这里，我们从先验的 8×1024 维正态分布 N(0,I) 中采样噪声样本 z。正如提到的，G 的解码器阶段是编码器的镜像，具有相同的滤波器宽度和每层相同数量的滤波器。然而，跳跃连接和潜在向量的加法使得每层中的特征图数量加倍。

网络 D 遵循与 G 的编码器阶段相同的一维卷积结构，并适应卷积分类网络的常规拓扑结构。不同之处在于：(1) 它获得了两个输入通道的 16384 个样本，(2) 在 LeakyReLU 非线性之前使用虚拟批量归一化，α = 0.3，(3) 在最后的激活层中，有一个宽度为 1 的一维卷积层，不会降采样隐藏激活 (1×1 卷积)。后者 (3) 减少了最终分类神经元所需的参数数量，该神经元与所有隐藏激活呈线性关系。这意味着我们将该全连接组件所需的参数数量从 8×1024 = 8192 减少到 8。