GAN: Generative Adversarial Nets
GAN跟传统神经网络不一样的地方就是它的loss函数,一个神经网络有很多个部件不稀奇,但是train的时候是max-min的loss是很创新的事情。简单介绍,GAN有一个Generator(G),一个Discriminator(D)。G生成,D来区分这个生成的结果是像真的呢,还是像假的呢。所以D其实相当于解决一个二分类问题。当然G生成的越真实越好是我们的目标。
所以整个GAN的主要的任务其实是生成,Generator的output是我们想要的结果。但是这个结果是通过discriminator的训练来进行指导的。所以G和D呢,你中有我,我中有你。在对抗中互相提高。所以如果想进步,挑选一个厉害的竞争对手哦,哈哈。
1. traditional GAN 2014
1.1 Paper:
https://arxiv.org/pdf/1406.2661
1.2 Understanding:
- E.g. From noise to real image.
- Generator: G(z;θg)
- Input: noise z;
- Output: generated image G(z).
- Discriminator: D(x; θd)
- Input: generated image: G(z), label: (0) +