理工酷

GAN(生成对抗网络)的主要思想是使用生成器模型生成假数据，然后用识别器模型来确定接收到的数据是伪造的（即来自生成器的）还是真实的样本。最初是通过相对简单的完全连接的网络显示出来的。

DCGAN（深度卷积GAN）与GAN的功能非常相似，但DCGAN特别着重于使用深度卷积网络代替那些完全连接的网络。卷积网络通常会在图像中找到相关区域，也就是说，它会寻找空间相关性。

这意味着DCGAN更适合处理图像/视频数据，而GAN可以应用于更广泛的领域，因为模型的具体细节尚待解决，可以由各个模型体系结构来解决。

关于维度-除了影响我们始终必须考虑的因素（例如培训时间，模型复杂性，学习能力等）之外，我认为数据的维度不是决定要使用GAN还是DCGAN的关键因素。

转载https://datascience.stackexchange.com/a/32673