GAN
GAN属于结构化学习,结构化学习的输出比较复杂,structured learning 需要有全局观
结构化学习的例子:
对抗网络(GAN)有两部分组成,一个是生成器(generator),一个是辨别器(discriminator),生成器好比一个小偷,而辨别器好比一个警察,小偷的目的是想方设法的欺骗欺骗警察(生成对抗样本),而警察的目的就是想方设法的去不受欺骗,小偷和警察都在不断的优化自己去达到目的,同时彼此都在对方的“监督”下而提升
Generator(G)和Discriminator(D)可以理解为两条路径
下面来理解一下Auto-encoder
- NN Encoder相当于将图片变成低维矢量
- NN Decoder相当于将矢量转化为图片
- 利用Encoder和Decoder可以实现图片与矢量之间相互转化
而且我们还希望 input 和 output 越接近越好
但是考虑如何将Decoder训练的更加稳定
- VAE(变分自动编码) 相当于在 code中加入噪声
- VAE 把Decoder 训练得更加稳定
参考
https://blog.csdn.net/baidu_41867252/article/details/90369304