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。
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】