标签: niftynet

我正在使用从此处（本文为纸）创建GAN的代码。我正在尝试将其应用于新领域，从其在MNIST上的应用切换到3D脑MRI图像。我的问题是GAN本身的定义。

例如，他们用于定义生成模型的代码（采用z_dim尺寸的噪声并从MNIST分布生成图像，因此为28x28）就是这样，我的评论基于我的看法：

def generate(self, z):
    # start with noise in compact space
    assert z.shape[1] == self.z_dim

    # Fully connected layer that for some reason expands to latent * 64
    output = tflib.ops.linear.Linear('Generator.Input', self.z_dim,
                                     self.latent_dim * 64, z)
    output = tf.nn.relu(output)
    # Reshape the latent dimension into 4x4 MNIST
    output = tf.reshape(output, [-1, self.latent_dim * 4, 4, 4])

    # Reduce the latent dimension to get 8x8 MNIST
    output = tflib.ops.deconv2d.Deconv2D('Generator.2', self.latent_dim * 4,
                                         self.latent_dim * 2, 5, …