生成對抗模型

論文地址

• 有em算法思想

生成對抗網(wǎng)絡(luò)（GAN）由2個重要的部分構(gòu)成：
生成器(Generator)：通過機(jī)器生成數(shù)據(jù)（大部分情況下是圖像），目的是“騙過”判別器
判別器(Discriminator)：判斷這張圖像是真實(shí)的還是機(jī)器生成的，目的是找出生成器做的“假數(shù)據(jù)”
主要流程：

第一階段：固定“判別器D”，訓(xùn)練“生成器G”
我們使用一個還 OK 判別器，讓一個“生成器G”不斷生成“假數(shù)據(jù)”，然后給這個“判別器D”去判斷。一開始，“生成器G”還很弱，所以很容易被揪出來。但是隨著不斷的訓(xùn)練，“生成器G”技能不斷提升，最終騙過了“判別器D”。到了這個時候，“判別器D”基本屬于瞎猜的狀態(tài)，判斷是否為假數(shù)據(jù)的概率為50%。

第二階段：固定“生成器G”，訓(xùn)練“判別器D”
當(dāng)通過了第一階段，繼續(xù)訓(xùn)練“生成器G”就沒有意義了。這個時候我們固定“生成器G”，然后開始訓(xùn)練“判別器D”。
“判別器D”通過不斷訓(xùn)練，提高了自己的鑒別能力，最終他可以準(zhǔn)確的判斷出所有的假圖片。到了這個時候，“生成器G”已經(jīng)無法騙過“判別器D”。

循環(huán)階段一和階段二：
通過不斷的循環(huán)，“生成器G”和“判別器D”的能力都越來越強(qiáng)。最終我們得到了一個效果非常好的“生成器G”，我們就可以用它來生成我們想要的圖片了。

GAN算法有兩個特點(diǎn)：

• 是一種無監(jiān)督學(xué)習(xí)算法，不需要label
• 用一個有監(jiān)督學(xué)習(xí)（MLP）的損失函數(shù)來做無監(jiān)督學(xué)習(xí)，算法效率會更高

總結(jié)：算法中涉及到生成模型和判別模型對抗思想，并且用到KL散度等數(shù)學(xué)知識，通過博弈來逼近最優(yōu)結(jié)果。

總結(jié)

以上是生活随笔為你收集整理的GAN算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。