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

一、简介
二、原理
三、网络结构
四、实例：自动生成数字0-9
五、训练GAN的技巧
六、源码
打赏

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：

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

![在这里插入图片描述]( https://img-blog.csdnimg.cn/2020052611153252.png?x-oss-process=image/watermark ,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM0MjEzMjYw,size_16,color_FFFFFF,t_70)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
![在这里插入图片描述]( https://img-blog.csdnimg.cn/20200526111945222.png?x-oss-process=image/watermark ,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM0MjEzMjYw,size_16,color_FFFFFF,t_70)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
![在这里插入图片描述]( https://img-blog.csdnimg.cn/20200526112350379.png?x-oss-process=image/watermark ,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM0MjEzMjYw,size_16,color_FFFFFF,t_70)

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