DCGAN para generar imágenes de CIFAR-10

Visión por Computador · Semana 8

22 de junio de 2026 · NRC-8773 · 2 entregables

De qué iba

Cerré el curso con una DCGAN entrenada sobre CIFAR-10. El generador parte de un vector de ruido de 100 dimensiones, lo proyecta a 4×4×256 y sube con tres convoluciones transpuestas de 5×5 y paso 2 hasta llegar a 32×32×3 con tanh; el discriminador baja con dos convoluciones de paso 2, LeakyReLU de 0.2 y dropout de 0.3, y termina en un sigmoide. Cincuenta épocas, lotes de 128, Adam con tasa de 1e-4 y beta1 en 0.5: 14.4 minutos con GPU. Quedé con pérdida final de 1.3155 en el discriminador y 0.8274 en el generador.

Generador de 1.455.552 parámetros y discriminador de 217.985, 1.673.537 en total
Entrené 50 épocas en 14.4 minutos sobre las 50.000 imágenes de entrenamiento, registrando las pérdidas de ambas redes
Produje un collage de 36 imágenes sintéticas, por encima de las 30 que pedía la actividad
Escribí el reporte con las respuestas sobre cómo evaluar la calidad y los desafíos: inestabilidad del entrenamiento, mode collapse y costo computacional

Lo que costó. Pasar el modelo de MNIST a CIFAR-10 me obligó a rehacer las cuentas de dimensiones: arrancar en 4×4 en vez de 7×7 y meter tres pasos de upsampling para llegar a 32×32. Y a esa resolución no da para más: en el reporte dejé escrito que las imágenes generadas no alcanzan el realismo de arquitecturas como StyleGAN.