1.2 GAN 的核心思想对抗性训练

文档摘要

1.2 GAN 的核心思想对抗性训练 1.2 GAN 的核心思想：对抗性训练 GAN 的核心思想是对抗性训练，它模拟了博弈论中的零和博弈，通过两个神经网络（生成器 G 和判别器 D）的相互竞争和学习，最终达到一个纳什均衡，使得生成器能够生成逼真的数据，而判别器无法区分生成的数据和真实数据。这种对抗性训练是 GAN 能够有效学习复杂数据分布的关键。 1.2.1 对抗性训练的框架对抗性训练的框架可以概括为以下几个步骤：生成器 G (Generator) 的目标：从随机噪声（通常是高斯分布或均匀分布）中学习生成与真实数据相似的数据样本。生成器接受一个随机噪声向量 z 作为输入，通过一系列的非线性变换，将其映射到与真实数据相同的数据空间。