我们在 MNIST 数据集上训练了这个模型，其目标是将数据生成分布与πθ相匹配，研究人员倾向于使用简单迁跃算符来匹配复杂分布。研究人员考虑了三种迁跃算符架构 Tθ(·|x)。每个都有一个对称的编码器-解码器结构，高斯噪声被加入了隐代码中，解码器架构分别为：

DCGAN（Radford 等人，2015）所用的生成网络架构，其中包含两个全连接层，随后是两个转置卷积。该模型强大到足以在一个步长中生成清晰图像。

弱化的 DCGAN，一个全连接层和一个转置卷积层（conv）。

两个全连接层组成的 MLP，它是最弱的模型（mlp）。

本文为机器之心编译，转载请联系本公众号获得授权。

✄------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]