1 对抗生成网络模型
1.1 各个模块代表含义
Random Vector :随机向量,作为生成器的输入,里面是什么数据我们不用关心,通常情况下使用 100 z 100z 100z来表示,即100维的向量,里面是噪音数据。
Generator Network :生成器,顾名思义用于生成出一个结果,起作用是把一个噪音数据(或垃圾向量)慢慢地进行转换,输出成为一个始终为假的结果
Fake Image:生成器的输出结果,始终为假,即始终为0
Random Index :
Discriminator Network: 判别器,作用是判别真假,其输入来自两个部分,生成器生成的结果和训练集随机选出来的结果,其输出就两个值0或1,所以是一个二分类网络
Random Index:真实数据
Training Set:训练集,作用是从训练集中随机选一部分数据输出。
Real Image:训练集的输出结果,始终为真,即始终为1
1.2 “对抗” 一词的理解
把生成器比作矛,判别器比作盾。生成器与判别器就是一对矛盾,生成器需要不断地优化自己生成的数据来以假乱真骗过判别器,而判别器也需要不断地提高判别能力将识别出来为假的内容。