[深度学习从入门到女装]GANs

论文地址：Generative Adversarial Nets

 

Generative Adversarial Nets（GANs）是一种生成式模型，存在两个网络，一个是generative model G用来生成和样本近似的分布，一个是discriminative model D用来辨别真正样本和生成的样本

也就是让D辨别不出真实样本和G生成的样本，便可以结束训练

需要优化的函数如下：

其中x为真实样本，z为生成模型的输入，G(z)为使用输入z生成网络生成的样本，D(x)为使用真实样本x作为输入辨别网络的结果

训练过程达到的目的如上图所示，黑线为真实样本的分布，绿线为生成模型G产生的分布，蓝线为判别模型D得到的分布

在最开始的时候，黑线和绿线相差较大（真实样本分布和生成样本分布差别较大），判别模型D得到的分布存在波动

在训练的过程中，黑线和绿线逐渐接近，蓝线趋于稳定

在训练结束时，黑线和绿线完全重合（真实样本分辨和生成样本分布相同），蓝线成为一条直线（0.5）

 

训练算法如上所示，也就是得到输出后先训练判别器D，然后再得到输出，训练生成器G，D和G的训练交替进行