本笔记基于 deeplearning.ai 的 Generative Adversarial Networks (GANs) 专项课程
1. 简述
GAN由两个主要部分部分组成, 生成器(generator)和鉴别器(discriminator)。拿图像来说,生成器的作用的生成图像以尽可能迷惑鉴别器,鉴别器的作用是接收图像进而鉴别图像的真伪,整个GAN训练的过程就是两部分对抗的过程,故叫做生成式对抗网络。训练的结果使得生成器生成的假图像看起来真实。
2. 鉴别器(discriminator)
鉴别器实际上就是一种分类器(classifier),当输入一个图像时,网络输出当前图片属于某一类的条件概率,即输出 P ( Y ∣ X ) P(Y|X) P(Y∣X),X为输入的特征,Y为所对应的类别。这个结果会作为反馈输入到生成器中以更新生成器的参数。
3. 生成器(generator)
生成器接收一个噪声 ξ ξ ξ,输出假的图像给鉴别器,鉴别器经过运算后再将结果反馈给生成器以更新其参数。
4. BCE Cost Function
BCE Cost Function 的中文名为二元交叉熵损失函数,其表达式为
J ( θ ) = − 1 m ∑ i = 1 m [ y ( i ) log h ( x