生成对抗网络(GAN)
文章目录
1. GAN 的基本概念
2014年,深度学习三巨头之一Ian Goodfellow提出了生成对抗网络(Generative Adversarial Networks,GANs)这一概念,刚开始并没有引起轰动,直到2016年,学界、业界对它的兴趣如“井喷”一样爆发,多篇重磅文章陆续发表,Lecun这样形容GANs“adversarial training is the coolest thing since sliced bread”。2016年12月NIPS大会上,Goodfellow做了有关GANs的专题报告,使得GANs成为了当今最热门的研究领域之一。学习 GAN 的初衷,即生成不存在于真实世界的数据。类似于AI具有创造力和想象力。
理解GAN的最简单方法是通过一个简单的比喻:
假设有一家商店它们从顾客那里购买某些种类的葡萄酒,用于以后再销售。
然而,有些恶意的顾客为了获得金钱而出售假酒。在这种情况下,店主必须能够区分假酒和正品葡萄酒。
你可以想象,最初,伪造者在尝试出售假酒时可能会犯很多错误,并且店主很容易认定该酒不是真的。由于这些失败,伪造者会继续尝试使用不同的技术来模拟真正的葡萄酒,最终才有可能成功