模型简介:GAN,生成式对抗网络,是一种生成式机器学习模型,是近年来复杂分布上无监督学习最具前景的方式之一。
最初,GAN在论文中首次进行了描述,其主要有两个不同的模型共同组成——生成器和判别器。生成器的任务是深沉看起来像训练图像的假图像,判别器需要判断从生成器输出的图像是真实的训练图像还是虚假的图像。GAN通过设计生成模型和判别模型这两个板块,使其互相博弈学习产生了相当好的输出。GAN模型的核心在于提出了通过对抗过程来古籍生成模型这一全新框架,在这个框架中,将会同时训练两个模型——捕捉数据分布的生成模型G和估计样本是否来自训练数据的判别模型D。
MNIST手写数字数据集是NIST数据集的子集,共有7万张手写数字图片,包括6万张训练样本和1万张测试样本。