一、背景
gan的用途：影象超畫素、背景模糊、影象修復
二、生成式對抗網路gan
生成模型：乙個能夠生成我們想要的資料的模型（圖模型、函式、神經網路）
gan：目的就是訓練乙個生成模型，生成我們想要的資料
生成器和判別器是對抗的
三、訓練演算法
隨機初始化生成器和判別器
交替訓練判別器d和生成器g直到收斂
l 固定生成器g，訓練判別器區分真實影象與合成影象（二分類）
l 固定判別器d，訓練生成器欺騙判別器d（最大化的問題 ）
kl散度：一種衡量兩個概率分布的匹配程度的指標（非負性和不對稱性）
js散度（非負性和對稱性）
資料分布：生成模型其實就是在學習資料的分布
五、
生成式對抗網路GAN
判別式模型和生成是模型的區別 假設研究物件為變數為x,類別變數為y,則 判別式模型 只是對給定的樣本進行分類，不關心資料如何生成。按照一定的判別準則，從資料中直接學習決策函式y f x 或者條件概率分布p y x a 作為 的模型 典型的判別模型包括 k近鄰法，決策樹，最大熵模型，支援向量機等 生成...
生成對抗式網路 GAN
lan goodfellow 加拿大蒙特婁大學 neurips 基於對抗的新生成式模型，它由乙個生成器和乙個判別器組成 生成器的目標是學習樣本的資料分布，從而能生成樣本欺騙判別器 判別器的目標是判斷輸入樣本是生成 真實的概率 gan模型等同於博弈論中的二人零和博弈 對於任意生成器和判別器，都存在乙個...
深度學習 GAN生成式對抗網路
生成式對抗網路 gan，generative adversarial network 的簡單理解就是，想想一名偽造者試圖偽造一幅畢卡索的畫作。一開始，偽造者非常不擅長這項任務，他隨便畫了幅與畢卡索真跡放在一起，請鑑定商進行評估，鑑定商鑑定後，將結果反饋給偽造者，並告訴他怎樣可以讓 看起來更像畢卡索的...