对抗学习中GAN网络详解

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