使用DCGAN梦想新的户外建筑
1. 判别器的代码实现
判别器相较于生成器更为简单。深度卷积网络在分类研究中十分常见，但对于生成对抗网络（GAN）而言，关键在于训练应具有对抗性，直接采用最先进的分类技术可能无法让生成器学习。本质上，构建判别器需要进行平衡操作。
1.1 准备工作
要时刻留意目录，确保新开发的结构放置在正确的位置，目录结构如下：
DCGAN ├── data ├── docker ├── README.md ├── run.sh ├── scripts └── src ├── discriminator.py ├── gan.py ├── generator.py ├── save_to_npy.py需注意，上一节的discriminator.py和gan.py将集成到后续的代码中。
1.2 实现步骤
将Goodfellow的结构修改为DCGAN类型很简单，只需对创建DCGAN模型的代码进行两处核心更改。这里不再回顾导入部分，若脚本中需要，在顶部导入即可，同时别忘了指向正确的解释器。
1.3 初始化判别器类
首先，添加一个与model_type相关的参数，让用户能够选择使用GAN或DCGAN，代码如下：
class Discriminat
