mist1_的博客

原创 GAN_Generative Adversarial Nets_阅读笔记

概述： GAN的组成：生成模型G和判别模型D。 D用于评估样本来自原样本集而非G生成的概率。G:造假者，尽量使自己的产品以假乱真；D：警察，负责甄别产品真伪。 GAN可以解决的问题：可以从样本集中生成新的样本，可以学到样本的分布。 理想情况下GAN可以达到的效果：生成模型学到的样本分布与原样本集中样本分布完全一致，从而D得到的概率保持0.5。G的产品能够以假乱真，D无法区分了。 对抗网络