@
●lan Goodfellow 2014年提出
●非监督式学习任务
●使用两个深度神经网络: Generator (生成器), Discriminator(判别器)
二、原理
举一个制造假钞的例子:
- 生成器:制造假钞的人
- 判别器:警察
- 训练过程:
- 制造假钞的人生产假钞
- 警察判断是否是假钞,如果认为是假钞,说明假钞与真钞存在区别
- 制造假钞的人按照警察给出的反馈改进假钞制造工艺
重复以上3个步骤,直到警察无法区分假钞和真钞为止
三、网络结构
训练GAN的基本步骤:
1.对噪声集和实际数据集进行采样,选择m个。
2.使用这些数据训练判别器。
3.采样大小为m的不同的噪声集。
4.在此数据. 上训练生成器。
从步骤1开始重复。
四、实例:自动生成数字0-9
生成器:假钞生产者
- 输入:长度为100的向量(-1.0到1.0之间的随机数)
- 输出: (28 × 28 × 1)激活函数tanh
判别器:警察 - 输入:(28 × 28 × 1)
- 输出: sigmoid激活函数,判断生成器生成的图像为真的概率
五、训练GAN的技巧
https://github.com/soumith/ganhacks
六、源码
https://download.csdn.net/download/qq_34213260/12461010
打赏
如果对您有帮助,就打赏一下吧O(∩_∩)O
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:生成对抗网络–Generative Adversarial Networks (GAN) - Python技术站