初识GAN
1.
Generative adversarial networks (GANs)，生成式对抗网络，一种新兴的半监督和无监督学习技术，通过隐式地给高维度的数据分布建立模型来实现这个目标。 于2014年提出，他们的特点是训练一对相互竞争的网络。一种适用于视觉数据的比喻是将一个网络想象成一个艺术造假者，另一个想成艺术专家。 在文献中被称为生成器（Generator）G的造假者创造伪造品，目的是制作逼真的图像。被称作判别器（Discriminator）D的专家，同时接收到伪造的和真实的图像，目的是将他们区别开。两者同时训练，彼此竞争。
最重要的是，生成器没有直接获取真实的图片，他唯一学习的方法是通过与判别器的相互影响。判别器可以同时获取合成的样本和从真正的图片堆里抽取的样本。 通过图片是来自真实的图片堆还是来自生成器的简单基本事实来提供给辨识器错误信号。通过辨识器，相同的错误信号可以被用来训练生成器，引导它产生更好的伪造品。
代表生成器和判别器的网络一般由卷积层或全连接层组成的多层网络来实现。生成器和判别器的网络必须是可微分的，尽管他们不需要直接可逆。
Have Question?
Trun to here.