GAN
这一系列的课程学习于李宏毅老师的视频课程,相关的课程介绍,可以参考官网中关于GAN的部分。
本节的课程是介绍GAN的一些入门知识,相关的pdf和video。
GAN的训练过程
训练D的过程:
-
固定Generator,并使用G随机生成N个样本,标注为0;从真实样本集合中,随机抽样M个样本,标注为1;
-
训练Discriminator,用于分类上述的数据集。
训练G的过程: -
固定上述训练好的Discriminator,用作分类器;
-
不断更新Generator,使得生成的样本可以让D识别为真实样本;
将G与D组成一个大的网络,同时,固定住D的参数,使得输出的scale越大越好。
这样,反复迭代地训练Discriminator和Generator就可以完成GAN的训练了。
算法细节
其中,Learning D和Learning G时,采样的noise sample不必相同。
GAN的原理
下面从概念上,讲一下GAN的原理。GAN可以被视为Structured Learning中的一种,下面是Structured Learning的定义。
Structured Learning
Machine Learning是发现一个函数 f f f,可以根据输入