GAN天生对抗网络先容

系列文章目次

---

目次
前言
二、构成
三、头脑
四、应用
五、根本原理
1、天生器G
2、辨别器D
3、练习过程
4、核心公式（目标函数大概丧失函数）
总结
  

---

前言

天生对抗网络（Generative Adversarial Networks，简称GANs）是由Ian Goodfellow等人在2014年提出的一种深度学习模子。它由两部门构成：天生器（Generator）和辨别器（Discriminator），两者在练习过程中相互竞争，从而进步天生数据的质量和辨别数据真伪的本事。

---

一、GAN是什么？
Generative Adversarial Networks ,天生对抗网络是一种深度学习模子。
二、构成

天生器和辨别器。
三、头脑

通过天生器和辨别器之间的对抗过程，使得天生器可以大概天生以假乱真的数据，而辨别器则积极区分真实数据和天生的数据。这个过程类似于一个零和博弈，此中两个网络不停优化自己来进步对抗本事。
四、应用

天生人脸照片、天生物品和场景案例、图像转换。
五、根本原理

1、天生器G

负责从随机噪声中天生新的数据样本，他的目标是天生可以大概诱骗辨别器的数据。
2、辨别器D

负责判定输入的数据是真实的还是由天生器天生的，他的目标是准确区分真实数据和天生的数据。
3、练习过程

在练习开始时，天生器和辨别器的本事都很弱，通过瓜代练习这两个网络，辨别器徐徐学会区分真实数据和天生数据，而天生器则学会成为更真实的数据以诱骗辨别器。
这个过程通过最小化天生器和辨别器之间的差别来举行，终极目标是使辨别器无法区分真实数据和天生的数据，即到达纳什平衡。
4、核心公式（目标函数大概丧失函数）

---