本文介绍了对抗生成网络（GAN）的基础知识，包括GAN的基本原理，强调了生成器G和判别器D的博弈过程。接着详细探讨了深度卷积对抗生成网络（DCGAN），其通过卷积结构改进了GAN的稳定性，并阐述了DCGAN的网络结构和训练优势。最后，文章解释了条件对抗生成网络（cGAN），在G和D中引入了标签信息，使其能够根据条件生成不同类型的图像。
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
最低0.47元/天 解锁文章
628
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
