为啥gan里面几乎不用pooling？ 第1页

谈一下自己的理解。

ICLR16的DCGAN（https://arxiv.org/pdf/1511.06434.pdf）文章，里面的实验表明： 全卷积网络训练更稳定。

这个是有时代背景的，GAN（https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf） 14年刚被提出来的时候，loss function是有log函数的，这个log函数其实是个小bug，导致网络难以训练。详情点击【令人拍案叫绝的Wasserstein GAN】（https://zhuanlan.zhihu.com/p/25071913）

因此14年未来两年的文章有许多是攻克GAN的训练难度问题。 DCGAN是其中之一。不过，自从ICML17的WGAN（https://arxiv.org/abs/1701.07875）被提出后，很大程度上解决了GAN的训练稳定性问题。

WGAN之后，也出现了许多影响力比较高的文章，并非用的全卷积网络，因为训练GAN并不是多大的问题了。比如ICLR18 Progressive Growing of GANs for Improved Quality, Stability, and Variation （https://arxiv.org/abs/1710.10196）（引用近1000，被认为第一篇具有高质量输出的GAN）就在D网络中用了average pooling. 再比如deep mind的bibiggan系列也并非是全卷积。

最近arxiv上也有文章指出，全卷积网络并不是最好的选择。FCCGAN（https://arxiv.org/pdf/1905.02417.pdf）还没看 ‍: )