python - 如何根据 DCGAN 论文在扁平表示向量之上训练 L2-SVM 分类器

Question

原文DCGAN paper ，在 Imagenet 上进行训练后，GAN 通过用作特征提取器来对 CIFAR-10 进行分类进行部分评估。

来自论文:

To evaluate the quality of the representations learned by DCGANs for supervised tasks, we train on Imagenet-1k and then use the discriminator’s convolutional features from all layers, maxpooling each layers representation to produce a 4 × 4 spatial grid. These features are then flattened and concatenated to form a 28672 dimensional vector and a regularized linear L2-SVM classifier is trained on top of them.

我尝试使用 PyTorch 复制此操作来训练 official PyTorch DCGAN然后使用 scikit-learn 使用其 linear SVC 进行分类，但发现论文的措辞令人困惑，并且不知道从这里该去哪里。我已经能够对每一层进行最大池化，然后将它们连接起来，但我对如何进行 CIFAR-10 的分类感到困惑。

例如sklearn，你使用model.fit(x,y)根据给定的训练数据拟合模型，然后model.predict([X])预测 X 中样本的类标签。在 model.fit(x,y) , x是(2D)特征(例如图像)和 y是标签。但感觉就像他们在上面的引用中说的那样 28672维向量x 。但这是一个一维向量，他们用它来分类 CIFAR-10，它有 50k 图像，并且 50000 > 28672。我是否遗漏了一些明显的东西？

我是否使用例如model.fit与 x是 CIFAR-10 图像(例如使用 torchvision.datasets.cifar10 )(尽管如何将 50k Tensors 的 RGB 图像制作成 2D 数组是另一个故事)和 y作为它们的标签，然后以某种方式使用 28672 维向量进行预测？

如果这太明显了，我们深表歉意；不幸的是，这就是他们在论文中所说的全部内容，而且似乎没有人复制它(至少在 GitHub 等上)。任何帮助将不胜感激!

Answer 1

DCGAN 将为每个图像提供 28672 维向量。因此，对于完整的 CIFAR10 数据集，DCGAN 的输出形状将为 (50000,28672)。

您必须将此作为 sklearn SVM x 的输入，正如您提到的，它采用 2D 数据。