第一章 GAN简介

最新推荐文章于 2024-01-06 00:50:46 发布

CV小Rookie

最新推荐文章于 2024-01-06 00:50:46 发布

阅读量404

点赞数

分类专栏： GAN 文章标签：深度学习神经网络计算机视觉 1024程序员节

本文链接：https://blog.csdn.net/like_jmo/article/details/120935319

版权

8 篇文章 0 订阅

订阅专栏

本文介绍了GAN（生成对抗网络）的工作原理，包括生成器和鉴别器的角色。生成器通过噪声向量生成伪样本，目标是使这些样本与真实数据难以区分；鉴别器则负责区分真实样本和伪样本，旨在提高辨别能力。训练过程中，两者相互博弈，直至达到纳什均衡，即生成器产生的数据与真实数据无异，鉴别器无法准确判断。

摘要由CSDN通过智能技术生成

写在前面：最近看了《GAN实战》，由于本人忘性大，所以仅是笔记而已，方便回忆，如果能帮助大家就更好了。

GAN训练过程：

（1）训练鉴别器

a.从训练集中随机抽取真实样本x。

b.获取一个新的随机噪声向量z，用生成器网络合成一个伪样本x*。

c.用鉴别器网络对x和x*进行分类

d.计算分类误差并反向传播总误差以更新鉴别器的可训练参数，寻求最小化分类误差。

（2）训练生成器

a.获取一个新的随机噪声向量z，用生成器网络合成一个伪样本x*。

b.用鉴别器网络对x和x*进行分类

c.计算分类误差并反向传播总误差以更新鉴别器的可训练参数，寻求最大化鉴别器误差。

当整个网络达到纳什均衡时停止：

（1）生成器生成的伪样本与训练集中真实数据别无二致。