标签：插入   数据集   帮助   csdn   ref   nim   nload   containe   https   

@

一、简介

●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：

1. 制造假钞的人生产假钞
2. 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
3. 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

生成对抗网络--Generative Adversarial Networks (GAN)

标签：插入   数据集   帮助   csdn   ref   nim   nload   containe   https   

原文地址：https://www.cnblogs.com/long5683/p/12964455.html