GAN

生成式對抗網絡（GAN, Generative Adversarial Networks ）是一種深度學習模型，是近年來復雜分布上無監督學習最具前景的方法之一。模型通過框架中（至少）兩個模塊：生成模型（Generative Model）和判別模型（Discriminative Model）的互相博弈學習產生相當好的輸出。原始 GAN 理論中，并不要求 G 和 D 都是神經網絡，只需要是能擬合相應生成和判別的函數即可。但實用中一般均使用深度神經網絡作為 G 和 D 。一個優秀的GAN應用需要有良好的訓練方法，否則可能由于神經網絡模型的自由性而導致輸出不理想。

機器學習的模型可大體分為兩類，生成模型（Generative Model）和判別模型（Discriminative Model）。

判別模型需要輸入變量 ，通過某種模型來預測 。
生成模型是給定某種隱含信息，來隨機產生觀測數據。舉個簡單的例子，

• 判別模型：給定一張圖，判斷這張圖里的動物是貓還是狗
• 生成模型：給一系列貓的圖片，生成一張新的貓咪（不在數據集里）

對于判別模型，損失函數是容易定義的，因為輸出的目標相對簡單。但對于生成模型，損失函數的定義就不是那么容易。我們對于生成結果的期望，往往是一個曖昧不清，難以數學公理化定義的范式。所以不妨把生成模型的回饋部分，交給判別模型處理。這就是Goodfellow他將機器學習中的兩大類模型，Generative和Discrimitive給緊密地聯合在了一起 。

GAN的基本原理其實非常簡單&#

總結

以上是生活随笔為你收集整理的GAN处理手写图片数据集的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。