什麼是生成模型？
在開始講生成對抗網路之前，我們先看一下什麼是生成模型。在概率統計理論中，生成模型是指能夠在給定某些隱含引數的條件下，隨機生成觀測資料的模型，它給觀測值和標註資料序列指定乙個聯合概率分布。在機器學習中，生成模型可以用來直接對資料建模，如根據某個變數的概率密度函式進行資料取樣，也可以用來建立變數間的條件概率分布，條件概率分布可以由生成模型根據貝葉斯定理形成。
對於生成模型來說，可以分為兩個型別，第一種型別的生成模型可以完全表示出資料確切的分布函式。第二種型別的生成模型只能做到新資料的生成，而資料分布函式則是模糊的。本教程討論的生成對抗網路屬於第二種，第二種型別生成新資料的功能也通常是大部分生成模型的主要核心目標。
生成模型的作用是什麼？
生成模型似乎幹的事情就是為了產生那些不真實的資料，那麼我們究竟為何要研究生成模型呢？
雖說生成模型的功能在於生成「假」資料，但在科學界和工業界確實可以起到各種各樣的作用。ian goodfellow在nips2016的演講中給出了很多生成模型的研究意義所在。
首先，生成模型具備了表現和處理高維度概率分布的能力，而這種能力可以有效運用在數學或工程領域。其次，生成模型尤其是生成對抗網路可以與強化學習領域相結合，形成更多有趣的研究。此外，生成模型亦可通過提供生成資料，從而能夠優化完善半監督式學習。
當然生成模型也已經在業內有了非常多的應用點，比如使用生成模型用於超高解析度成像，可以將低解析度的**還原成高解析度，此類應用非常有用，對於大量不清晰的老**，我們可以採用這項技術加以還原，或者對於各類低解析度的攝像頭等，也可以在不更換硬體的情況下提公升其成像能力。
使用生成模型進行藝術創作也是非常流行的一種應用方式，可以通過使用者互動的方式，輸入簡單的內容從而產生藝術作品的創作。
此外還有影象到影象的轉換、文字到影象的轉換等。這些內容都非常有趣，不僅可以應用於工業與學術領域，也可應用於消費級市場。關於更多應用方面的詳細介紹會在本教程的後半部分中展開詳述。
GAN 生成對抗網路
原理 假設我們有兩個網路 乙個生g generator 乙個判別d discriminator g是乙個生成的的網路，它接受乙個隨機的雜訊z，通過這個雜訊生成，記做g z d是乙個判別網路，判斷一張是不是 真實的 它的輸入引數是x，x代表一張的。輸出d x 代表x為真實的概率，如果為1，就代表100...
生成對抗網路 GAN
原文 generative adversarial networks 模型組成 核心公式 演算法圖示化描述 全域性最優點 pg pdata 效果與對比展望 ming maxdv d,g exp data x logd x exp x x log 1 d g z 分析 上方為 gan 網路的核心演算法...
GAN（生成對抗網路）
gan,generative adversarial network.起源於2014年，nips的一篇文章，generative adversarial net.gan,是一種二人博弈的思想，雙方利益之和是乙個常數，是固定的。你的利益多點，對方利益就少點。gan裡面，博弈雙方是 乙個叫g 生成模型 ...