![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GAN
文章平均质量分 92
哈尔滨张谦蛋
i do
展开
-
深度学习之生成对抗网络GAN(一)Generative Adversarial Nets/生成对抗网络(二)
1. 生成器(Generator) :生成器的任务是将随机噪声或隐变量映射为与真实数据相似的数据样本。它通常包括多层神经网络,例如多层全连接层或卷积神经网络(CNN)。生成器的输出是生成的数据。2. 判别器(Discriminator) :判别器的任务是区分真实数据与生成器生成的数据。它也是一个神经网络,通常包括多层全连接层或卷积神经网络。判别器的输出是数据样本为真实数据的概率。原创 2023-10-20 21:46:50 · 487 阅读 · 1 评论 -
深度学习之生成对抗网络GAN(一)Generative Adversarial Nets/生成对抗网络(一)
我们提出了一个通过对抗过程估计生成模型的新框架,其中我们同时训练两个模型:捕获数据分布的生成模型G,以及估计样本来自训练数据而不是G的概率的判别模型D.G的训练过程是最大化D出错的概率。这个框架对应于一个minimax双人游戏。在任意函数G和D的空间中,存在唯一解,G无限逼近训练数据分布(G能够完全拟合出原始数据分布,D无法完全判别出是原始数据还是生成数据),D处处等于1/2。在G和D由多层感知器定义的情况下,可以用反向传播和梯度下降来训练整个系统。原创 2023-10-20 21:34:31 · 421 阅读 · 1 评论