我正在使用Chainer DCGAN的示例文件，位于https://github.com/chainer/chainer/blob/master/examples/dcgan/train_dcgan.py。这个文件对32×32的图像运行良好，但对于其他分辨率，README.md指示需要修改net.py中的网络架构。
根据我对文档的理解，训练图像的大小作为参数传递给生成器类的构造函数，参数名为bottom_width和ch。以下是针对32×32图像的代码：
class Generator(chainer.Chain): def __init__(self, n_hidden, bottom_width=4, ch=512, wscale=0.02):
我对如何将这个设置转换为32×32，以及如何修改以适应其他分辨率感到困惑。任何帮助将不胜感激。
回答：
你可以通过理解Deconvolution2D的行为来计算。在net.py中，定义了3个Deconvolution2D层（self.dc1, self.dc2, self.dc3），它们的步长（stride）设置为2（L.Deconvolution2D的第四个参数），这会使输入的高度/宽度翻倍。
因此，输出大小将是bottom_size * 2^3，当bottom_size=4时，结果为32。
例如，如果你想得到64×64的图像，你可以将生成器和判别器的bottom_size设置为8（但你需要使用64×64的真实数据，而不是32×32的cifar-100数据集）。
请参考官方文档以了解输入输出大小关系的详细信息。
