对抗生成网络GANs的一些见解(一)

写在前面

这篇博客主要记录一下自己对GANs模型的一些见解，并会慢慢补充。

• GANs的发展历程
  1.DCGANs
  2.ImprovedDCGANs
  3.ConditionalGANs
  4.InfoGANs
  5.WassersteinGANs
  6.ImprovedWGANs
  7.BEGANs
  8.ProGANs
  9.CycleGANs

1. 自己的PPT

• 先回顾了一下VAE模型，再引出GANs模型
  
  
• 这里看一下生成模型的框架
  
• 从一个段子说起，来通俗的理解GANs的博弈过程，参考原著，略带浮夸：
  说的是假币贩卖商和警察的故事，假币贩卖商希望自己做的假币越来越逼真以至于能蒙蔽警察的双眼，警察希望自己辨别假币的能力越来越强，无论再真的假币都能看出来，于是，双方开始博弈，最终达到平衡。两者都达到了极限状态：55开(不是lbw)。这时假币贩卖商制作的假币相当逼真(生成器)，警察稍不留神就被骗了(判别器)。
  
  
  
  
• 这时原著指出训练时遇到的问题，源自函数的特性。
  
• 由于训练的大部分信息都来自判别器，所以判别器要进行k-steps(这是当时的理解)。为了更加深入的学习GANs，要学习WGANs是如何工作的。后面工作会写。
  
  
  Trick
  Learn More
  
• 下面是附录
  
  
  

参考文献

1.斯坦福大学李飞飞课程
2.GANs原著