首先是各种参考博客、链接等，表示感谢。
（一）DCGAN原理介绍
我们知道深度学习中对图像处理应用最好的模型是CNN，那么如何把CNN与GAN结合？DCGAN是这方面最好的尝试之一
DCGAN的原理和GAN是一样的，这里就不在赘述。它只是把上述的G和D换成了两个卷积神经网络（CNN）。但不是直接换就可以了，DCGAN对卷积神经网络的结构做了一些改变，以提高样本的质量和收敛的速度，这些改变有：
取消所有pooling层。G网络中使用转置卷积（transposed convolutional layer）进行上采样，D网络中用加入stride的卷积代替pooling。
在D和G中均使用batch normalization
去掉FC层，使网络变为全卷积网络
G网络中使用ReLU作为激活函数，最后一层使用tanh
D网络中使用LeakyReLU作为激活函数
测试学习
这里参考了网上的几个训练blog，生成动漫少女头像。相关的数据可以到到动漫网站自己爬下来，如果你不想从头开始爬图片，可以直接使用别人爬好的头像数据。
DCGAN在Tensorflow中已经有人造好了轮子：carpedm20/DCGAN-tensorflow，直接使用这个代码。
不过原始代码中只提供了有限的几个数据库，如何训练自己的数据？在model.py中我们找到读数据的几行代码：
if config.dataset ==>'mnist':
data_X, data_y =self.load_mnist()
else:
data=glob(os.path.join("./data", config.dataset, "*.jpg"))
这样读数据的逻辑就很清楚了，我们在data文件夹中再新建一个anime文件夹，把图片直接放到这个文件夹里，运行时指定–dataset anime即可。
运行指令（参数含义：指定生成的图片的尺寸为48x48，我们图片的大小是96x96，跑300个epoch）：
python main.py--image_size 96--output_size48--dataset anime -- is_crop True -- is_train True --epoch 300
结果是报错！
仔细观察了一下，是参数没匹配上。
调整为：
python main.py -input 96 - - output_height 48 - - dataset anime -- crop True - - train True - - epoch 300
运行成功！！！
epoch 0
目前还在训练当中