它是否在每次迭代中以相同的顺序生成一组相同的图像类？

不，GAN 中的基本生成器通常会输入一个小的随机向量作为输入；例如，一列 100 个高斯样本，均值为 0，标准差为 1。然后它必须在前馈网络中使用这种随机“嵌入”来产生输出，该输出位于鉴别器试图评估的真实数据的目标分布中反对。

因此，GAN 通常会学习从任意相对低维空间到高维目标空间的映射。DCGAN 使用图像数据执行此操作。

如果将图像的类别作为附加输入馈送到生成器和判别器，则可以将其用作条件数据。图像类的序列可以是任何你喜欢的，并且 GAN 不需要以特定的序列工作（除非你正在使用基于 RNN 的 GAN 并且正在尝试学习生成序列）。

生成器在 DCGAN 中究竟产生了什么？

它根据输入生成输出图像。输出是从基于训练数据的分布中得出的，判别器很难将其与真实数据区分开来。如果输入一个随机输入向量，以与训练阶段相同的方式生成，那么理想化的输出应该是从所有可能的训练数据的想象群体中随机抽取的。