DL学习笔记(四)

GAN基础1

Posted by QIY on June 1, 2020

Deep Learning 的学习基本上是学十得一。稳扎稳打再来一次

1 背景

生成对抗网络

Since sliced bread 有史以来最酷的东西

概率密度的生成器

2 概念

GAN:由生成器G和判别器D组成,先固定G训练D,后固定D,D告知G哪些是好的特征,训练G,循环迭代到最小损失;

3 比较

3.1 针对生成器

图1 auto-encoder(自编码器)

生成器相当于自编码的左部分,如下:

图2 生成器简图

3.2 输出差异

图3 其他问题比较

GAN的输出为structured;

4 算法描述

图4 算法开头

判别器:给真数据一个很高的分,给假数据一个很低的分;

生成器:使得生成的图片判别器的分数越高越好;

Pdata(x):真实图片集的分布,x 是一个真实图片,可以想象成一个向量,这个向量集合的分布就是 Pdata。

图5 算法简述

[max V(G,D)]就是真图像和假图像之间的距离,min[maxV(G,D)]也就达到了真图像和假图像之间的距离最小!

-