之前
- GAN网络是近两年深度学习领域的新秀,火的不行,本文旨在浅显理解传统GAN,分享学习心得。
- GAN的鼻祖之作是2014年NIPS一篇文章:Generative Adversarial Net(https://arxiv.org/abs/1406.2661),可以细细品味。本博客在研读该论文的基础上,为加深理解,使用GAN生成对抗式网络生成手写数字。
GAN的基本思想
我们知道GAN的思想是是一种二人零和博弈思想(two-player game),博弈双方的利益之和是一个常数,比如两个人掰手腕,假设总的空间是一定的,你的力气大一点,那你就得到的空间多一点,相应的我的空间就少一点,相反我力气大我就得到的多一点,但有一点是确定的就是,我两的总空间是一定的,这就是二人博弈,但是呢总利益是一定的。
引申到GAN里面就是可以看成,GAN中有两个这样的博弈者,一个人名字是生成模型(G),另一个人名字是判别模型(D)。他们各自有各自的功能。
相同点是:
- 这两个模型都可以看成是一个黑匣子,接受输入然后有一个输出,类似一个函数,一个输入输出映射。
不同点是:
- 生成模型功能:比作是一个样本生成器,输入一个噪声/样本,然后把它包装成一个逼真的样本,也就是输出。
判别模型:比作一个二分类器(如同0-1分类器),来判断输入的样本是真是假。(就是输出值大于0.5还是小于0.5);
直接上一张个人觉得解释的好的图说明:
参考
- https://www.jianshu.com/p/998cf8e52209
- https://www.leiphone.com/news/201706/ty7H504cn7l6EVLd.html
- https://blog.csdn.net/z1102252970/article/details/70853288
- https://blog.csdn.net/qiu931110/article/details/80181212(这个写的有点问题)
- http://www.360doc.com/content/17/1013/13/99071_694594633.shtml (写的不错)
- https://blog.csdn.net/xg123321123/article/details/78034859(写的不错)