gan的基本原理簡單，假設我們有兩個網路，g（generator）和d（discriminator）。正如它的名字所暗示的那樣，它們的功能分別是：
g是乙個生成的網路，它接收乙個隨機的雜訊z，通過這個雜訊生成，記做g(z)。d是乙個判別網路，判別一張是不是「真實的」。它的輸入引數是x，x代表一張，輸出d（x）代表x為真實的概率，如果為1，就代表100%是真實的，而輸出為0，就代表不可能是真實的。
在訓練過程中，生成網路g的目標就是盡量生成真實的去欺騙判別網路d。而d的目標就是盡量把g生成的和真實的分別開來。這樣，g和d構成了乙個動態的「博弈過程」。
真實工業中，大量無效、甚至干擾的資料，有沒有可能構造一種可以移除不相干資料的網路。
g是乙個選擇資料的網路，它隨機選擇一些歷史資料，記做g(z)。
d也是乙個判別網路，判別乙個資料與某場景是不是「相關的」。如果為1，就代表100%是相關，而輸出為0，就代表不相關可以刪除。這樣可以根據相關場景選取更相似的場景和資料
GAN是一種特殊的損失函式？
資料科學家jeremy howard在fast.ai的 生成對抗網路 gan 課程中曾經講過這樣一句話 從本質上來說，生成對抗網路 gan 是一種特殊的損失函式。你是否能夠理解這句話的意思？讀完本文，你會更好的理解這句話的含義。神經網路的函式逼近理論 在數學中，我們可以將函式看做乙個 機器 或 黑匣...
GAN是一種特殊的損失函式？
摘要 從本質上來說，生成對抗網路 gan 是一種特殊的損失函式，我們來深入探索下這句話的含義。資料科學家jeremy howard在fast.ai的 生成對抗網路 gan 課程中曾經講過這樣一句話 從本質上來說，生成對抗網路 gan 是一種特殊的損失函式。你是否能夠理解這句話的意思？讀完本文，你會更...
GAN是一種特殊的損失函式？
資料科學家 jeremy howard 在fast.ai 的 生成對抗網路 gan 課程中曾經講過這樣一句話 從本質上來說，生成對抗網路 gan 是一種特殊的損失函式。你是否能夠理解這句話的意思？讀完本文，你會更好的理解這句話的含義。神經網路的函式逼近理論 在數學中，我們可以將函式看做乙個 機器 或...