首先感谢各种博客,链接。
开始学习tensorflow,在网上查找了很多资料,也学到了很多,为了不让自己忘记,特此写下这篇博客
1.什么是GAN ?
GAN的全称为Generative Adversarial Networks,意为对抗生成网络。原始的GAN是一种无监督学习方法,它巧妙地利用“对抗”的思想来学习生成式模型,一旦训练完成后可以生成全新的数据样本。
2.GAN的基本原理
GAN的原理其实非常简单。它的主要灵感来源于博弈论中零和博弈的思想,应用到深度学习神经网络上来说,就是通过生成网络G(Generator)和判别网络D(Discriminator)不断博弈,进而使G学习到数据的分布,如果用到图片生成上,则训练完成后,G可以从一段随机数中生成逼真的图像。实际GAN可以应用到任何类型的数据。
GAN的两大护法G和D
G是generator,生成器: 负责凭空捏造数据出来
D是discriminator,判别器: 负责判断数据是不是真数据
在训练过程中,生成网络G的目标是尽量生成真实的图片去欺骗判别网络D,而D的目标是尽量把生成的图片和真实的图片区分开来。这样,G和D构成了一个动态的“博弈”,这就是GAN的基本思想。
3.什么是DCGAN?
DCGAN的全称是Deep Convolutional Generative Adversarial Networks , 意即深度卷积对抗生成网络,它是由Alec Radford在论文Unsupervised Re