生成对抗网络

文档摘要

生成对抗网络在上一节中，我们学习了生成模型：可以生成与训练数据集中的图像相似的新图像的模型。VAE 就是一个很好的生成模型的例子。课前测验然而，如果我们尝试生成一些真正有意义的东西，比如在合理分辨率下生成一幅画，使用 VAE，我们会发现训练效果并不理想。对于这种用例，我们应该了解另一种专门针对生成模型的架构——生成对抗网络，或称为 GAN。 GAN 的主要思想是让两个神经网络相互对抗地进行训练：图片来自 Dmitry Soshnikov ✅ 一些术语：生成器是一个网络，它接受一些随机向量，并生成图像作为结果判别器是一个网络，它接受一张图像，并应判断该图像是真实的（来自训练数据集），还是由生成器生成的。其实它本质上就是一个图像分类器。