深度学习（4）-生成式对抗网络

目录

1.GAN和变分自编码器有共同的目的，就是根据噪声估计出样本。即生成样本。但是具体实施的思路不一致。

2.GAN中主要包括两个核心网络：G  + D

代码细节：

判别器：

生成器:

损失函数：​

优化器：

训练：训练之前先计算下损失。

推理一：

推理二：

3.延伸

4.思考

---

 

生成式对抗网络(GAN)

 

https://zhuanlan.zhihu.com/p/44167207

1.GAN和变分自编码器有共同的目的，就是根据噪声估计出样本。即生成样本。但是具体实施的思路不一致。

GAN的思路：你先根据噪声自己生成图像吧，然后在训练一个很强的分类器，看看生成的图像能否骗过分类器。

变分自编码器：我先学习你的样本分布，然后根据分布来生成样本。

2.GAN中主要包括两个核心网络：G  + D

生成器：根据噪声学习一些样本。

判别器：接受真实样本和生成样本，进行区分是真实样本，还是生成样本。

代价函数：分而治之。

 对于生成器：希望生成的样本，判别器会给出1的置信度

 对于判别器：希望对于生成的样本，判别器输出0的置信度；对于真实的样本，判别器输出1的置信度。

代码细节：

判别器：

生成器:

损失函数：

优化器：

训练：训练之前先计算下损失。

推理一：

推理二：

3.延伸

可以用作生成人脸图像。

https://zhuanlan.zhihu.com/p/44167910

代码几乎不变，根据噪声生成人脸图像。

4.思考

其中的生成器，可以用于生成样本；

其中的判别器可以用作分类样本。

【我感觉这种判别器应该很强大吧，相当于老师手把手教会。既然是老师，功力应该不差吧】

【完毕】