一文读懂生成对抗网络
GANs
(附学习资源)
原文标题:
AnIntuitive Introduction to Generative
Adversarial Networks
作者:
KeshavDhandhania
、
ArashDelijani
翻译:申利彬校对:和中华本文约
4000
字,建议阅读
10
分
钟。
本文以图像生成问题引出
GAN
模型,
并介绍了
GAN
模型的
数学原理和训练过程,最后提供了丰富的
GAN
学习资料。
本文讨论生成对抗网络,简称
GANs
。在生成任务或更广泛
的无监督学习中,
GANs
是为数不多在此领域表现较好的机
器学习技术之一。特别是他们在图像生成相关任务上拥有出
色表现。深度学习领域先驱
Yann LeCun
,称赞
GAN
是机器
学习近十年来最好的想法。
最重要的是,
GAN
相关核心概念
很容易理解(事实上,读完本文后你就可以对它有个清晰的
认识)
。
我们将
GANs
应用在图像生成任务中,
并以此来解释
GANs
,
下面是本文的概要:
简单回顾深度学习图像生成问题生成任务中的关键问题生
成对抗网络挑战进一步阅读总结
简单回顾深度学习
(前馈)神经网络示意图,棕色为输入层,黄色为隐藏层,
红色为输出层
我们先简单介绍一下深度学习。上图是神经
网络示意图,它是由神经元组成,神经元之间通过边相互连