近年来，监督学习中的卷积神经网络（CNNs）在计算机视觉应用中得到了广泛的应用。相比之下，无监督学习中的卷积神经网络则受到了较少的关注。本研究旨在帮助弥合监督学习与无监督学习中卷积神经网络成功应用之间的差距。我们引入了一类具有特定架构约束的卷积神经网络，称为深度卷积生成对抗网络（DCGANs），并展示了它们作为无监督学习有力候选者的潜力。通过在多个图像数据集上进行训练，我们提供了令人信服的证据，证明我们的深度卷积对抗对在生成器和判别器中均能从物体部件到场景层次地学习表示。此外，我们还利用所学特征进行新颖的任务，证明了这些特征作为通用图像表示的适用性。