【学习笔记】动手学深度学习task10

一、GAN

1. 生成对抗网络一般分为两部分：生成器和分类器
   生成器的功能是输入一个样本将其输出成一个逼真的样子，判别器来判断输入的样本是真的还是伪造的。
   分类器通过模型判别假数据，互相对抗提升模型能力。例如输入的是真样本，网络输出就接近1，输出的是假样本，网络输出接近0。

2. 生成对抗网络的目标是其模型可生成符合数据集分布，又和原数据集不同的数据，并且生成器生成的数据能够骗过分类器。

3. 生成器要最大化损失函数（即生成更符合真实分布的数据），分类器要最小化损失函数（即提升判别假数据的能力）

GAN 的特点及优缺点：

特点： 1） 相比较传统的模型，他存在两个不同的网络，而不是单一的网络，并且训练方式采用的是对抗训练方式
2）GAN中G的梯度更新信息来自判别器D，而不是来自数据样本

优点（摘自ian goodfellow 在Quora的问答）
1）、GAN是一种生成式模型，相比较其他生成模型（玻尔兹曼机和GSNs）只用到了反向传播,而不需要复杂的马尔科夫链 2）、
相比其他所有模型, GAN可以产生更加清晰，真实的样本
3）、GAN采用的是一种无监督的学习方式训练，可以被广泛用在无监督学习和半监督学习领域

二、DCGAN

由于GAN存在训练不稳定，生成过程不可控的缺点。

DCGAN是GAN的改进。

DCGAN将转置卷积神经网络包含在GAN中，以获得更好的图像生成性能。同时为了使整个网络可微，拿掉了CNN 中的池化层，另外将全连接层以全局池化层替代以减轻计算量。

转置卷积神经网络的输出计算方法为：
（原高X卷积大小-（原高-1）X（卷积-步长）-2*填充）X（原宽X卷积大小-（原宽-1）X（卷积-步长）-2X填充）