gan算法原理

gan算法原理

简单来说，gan算法中存在着两个网络，一个是判别网路D,一个是生成网路G。对于判别网路D来说，他所要起的作用是分辨一张图片是真的图片还是假的图片，其实它本质上就是一个由多成BP网络训练二程的二分类器，它要尽可能的将假的图片识别出来。而对于生成网路而言，它的任务就是尽可能的生成以假乱真的图片，它的本质也是一个BP神经网络。

gan的损失函数

从上图中我们可以知道，对于判别模型的损失函数而言，公式的前半部分是计算判断真实图片带来的损失，后半部分是计算对生成图片的判断带来的损失。对于生成模型而言，只要生成被判别1的数据，损失就会最小。由公式可以知道，当我们将真实图片值判断为1，并且将生成图片的值判断为1时，整个损失函数的值是最小的。

gan网络的训练过程

在实际的项目当中，判别网路并不是的直接初始化为随机数的。判别网络需要提前预选联。找些真实的图片和随机生成的数据进行预训练。然后将按照下面的步骤进行训练：

 

DCGAN的原理

判别网络由原来普通的神经网络变成了卷积网络。

生成网络由原来的卷积网络变成逆向的卷积神经网络

下面还有些细节是需要注意的：