GANs简介
GANs全称 Generative Adversarial Nets(生成对抗网络),于2014年由 Ian Goodfellow 提出。生成对抗网络分成两个部分:生成网络(Generator Neural Network)和鉴别网络(Discriminator Neural Network)。直观的说生成网络(Generator Neural Network)和鉴别网络(Discriminator Neural Network)的关系可以理解为造假的和打假的关系,生成网络负责生成'假货',而鉴别网络负责'打假',分辨哪些是'真货'(真实数据)哪些是生成网络生成的'假货'。在训练过程中,生成网络尽量生成与'真货'(真实数据)一样的'假货',用来骗过鉴别网络,鉴别网络则尽可能分辨哪些是'真货'(真实数据)哪些是生成网络生成的'假货',生成网络与鉴别网络在这样的一轮轮类似于二人博弈的对抗中成长,最终两者达到一种动态均衡,生成网络生成的'假货'以假乱真,与真货再无区别,鉴别网络无法分辨。
详细请看:
[1406.2661] Generative Adversarial Networks
GANs 是怎么训练的
GANs的整个网络结构是这样的: