以假乱真的对抗生成网络（GAN）

本期课程到这里，博主就默认大家已经对BP、CNN、RNN等基本的神经网络属性以及训练过程都有相应的认知了，如果还未了解最基本的知识，可以翻看博主制作的深度学习的学习路线，按顺序阅读即可。

深度学习的学习路线：往期课程

    

        Hello，又是一个分享的日子，博主将在本期推文给大家介绍生成对抗网络（Generative Adversarial Network）。生成对抗网络书写了一个以假乱真的剧本。近年来AI换脸等技术火爆全球，离不开这个网络的点滴贡献。生成对抗网络能够学习数据的分布规律，并创造出类似我们真实世界的物件如图像、文本等。从以假乱真的程度上看，它甚至可以被誉为深度学习中的艺术家。好了，闲言少叙，我们这就走进生成对抗网络（GAN）的世界。

GAN开山之作 

提取码：kd4j

https://pan.baidu.com/s/1tUDyx8flQd20svuyDvh88w

本文内容概要：

1. 对抗生成网络（GAN）原理
   

2. 对抗生成网络（GAN）网络结构

3. 对抗生成网络（GAN）训练过程

4. 对抗生成网络（GAN）实例

生成对抗网络的思想

 原理                                                                                     

        相信大家都会画画，不管画得好坏与否吧，但总归会对着图案勾上两笔，当我们临摹的次数越多，我们画的也就越像。最后，临摹到了极致，我们的画就和临摹的那副画一模一样了，以至于专家也无法分清到底哪