本发明公开了一种基于生成对抗网络的逐层更新算法，属深度学习神经网络领域，包括以下步骤：S1、构造深度卷积生成式对抗网络DCGAN模型；S2、输入图像数据集，对DCGAN模型进行训练；S3、记录图像生成器逐层转置卷积得到的特征图；S4、记录图像判别器逐层卷积得到的特征图；S5、比较特征图的差值，用梯度下降方法对图像生成器的权值参数进行更新。传统方法只关注图像生成器生成图像的最终结果，导致图像生成器需要通过更多的训练时间才能学习到数据集的特征，同时无法准确学习到数据集中特征的细节；而本方法逐层地对图像生成器学习到的特征进行调整，既减小了训练时间，又能够让图像生成器学习到的图像特征更加精确。