本文介绍: GAN的训练：动态的过程，是生成器G 与判别器D 之间的相互博弈过程。通俗点讲，即要使得生成器G 生成的所谓的”假图”骗过判别器D ，那么最优状态就是生成器G 生成的所谓的”假图”在判别器D 的判别结果为0.5，不知道到底是真图还是假图。CNN的训练：定义好特定的损失函数，然后利用梯度下降优化参数，尽可能用局部最优解去逼近全局最优解。GAN是由Ian Goodfellow于2014年提出，z代表了随机输入数据，该数据是随机高斯噪声。GAN的目的就是无中生有，以假乱真。p_data代表真实数据概率密度分布，
论文：https://arxiv.org/pdf/1406.2661.pdf
发表：2014
一、GAN简介：Generative Adversarial Network
GAN是由Ian Goodfellow于2014年提出，GAN：全名叫做生成对抗网络。GAN的目的就是无中生有，以假乱真。
判别器：判断输入图像是否来自生成器的概率，即判断输入图像是否为假图的概率。
CNN的训练：定义好特定的损失函数，然后利用梯度下降优化参数，尽可能用局部最优解去逼近全局最优解。
GAN的训练：动态的过程，是生成器G 与判别器D 之间的相互博弈过程。通俗点讲，即要使得生成器G 生成的所谓的”假图”骗过判别器D ，那么最优状态就是生成器G 生成的所谓的”假图”在判别器D 的判别结果为0.5，不知道到底是真图还是假图。
三、GAN的公式推导
G 代表生成器，
D 代表判别器，
原文地址:https://blog.csdn.net/lilai619/article/details/134659648
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_5537.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
