生成网络(GAN)是近年来很火的课题,原始论文《Generative Adversarial Nets》的介绍请移步:https://blog.csdn.net/wenqiwenqi123/article/details/86178376
本篇主要详细解析它的损失函数。在论文中损失函数定义为:
当然乍一看去,没看懂这个损失函数。我们细细来看:
GAN的原理就是G(生成器)努力制造以假乱真的图,而D(判别器)努力分辨出假图。这样一起努力最后生成的图就会越来越逼真。一切损失计算都是在D(判别器)输出处产生的,而D的输出一般是fake/true的判断,所以整体上采用的是二分类交叉熵函数。
左边包含两部分minG和maxD。
首先看一下maxD部分,因为训练一般是先保持G(生成器)不变训练D的。D的训练目标是正确区分fake/true,二分类问题使用了sigmoid激活函数,因此Dÿ