生成对抗网络训练

深度学习(Deep Learning)

什么是生成对抗网络(GAN)？(What are Generative Adversarial Networks (GANs)?)

Designed by Ian Goodfellow and his colleagues in 2014, GANs consist of two neural networks that are trained together in a zero-sum game where one player’s loss is the gain of another.

GAN由Ian Goodfellow和他的同事在2014年设计，由两个神经网络组成，它们在零和游戏中一起训练，其中一个玩家的损失是另一个玩家的损失。

To understand GANs we need to be familiar with generative models and discriminative models.

要了解GAN，我们需要熟悉生成模型和判别模型。

Generative models try to output new data points using the distribution from the training set. These models generate new data instances. These models capture joint probability p(X, Y)

生成模型尝试使用训练集中的分布来输出新的数据点。 这些模型生成新的数据实例。 这些模型捕获联合概率p(X，Y)

Types of Generative models1. Explicit density models2. Implicit density models

生成模型的类型1.显式密度模型2。隐式密度模型

Explicit density models define an explicit density function while implicit density models define a stochastic procedure that can directly generate data.

显式密度模型定义了显式密度函数，而隐式密度模型定义了可以直接生成数据的随机过程。

If you are interested in reading more about generative models, check out this popular GitHub repository below.

如果您有兴趣阅读有关生成模型的更多信息，请在下面查看此流行的GitHub存储库。

On the other hand, Discriminative models capture conditional probabilities p(X/Y) and they differentiate different data instances.

另一方面，判别模型捕获条件概率p(X / Y)，并区分不同的数据实例。

Image from Source: Google Developers. Licensed under the Creative Commons Attribution 4.0 License.图片来源：Google Developers。根据知识共享署名4.0许可获得许可。

Generative models solve difficult tasks. The level of attention detail is more compared to that in discriminative models. Simply speaking generative models do more work. Generative models try to approximate the real data distribution as closely as possible.

生成模型可以解决难题。与区分模型相比，关注细节的级别更高。简而言之，生成模型可以做更多的工作。生成模型试图尽可能接近实际数据的分布。

In the figure above we can see that the discriminative model tries to separate 0’s and 1’s data space. Whereas the generative models closely approximate the 0’s and 1’s data space.

在上图中，我们可以看到判别模型试图将0和1的数据空间分开。生成模型非常接近0和1的数据空间。

Now that you know the basic definitions of generative and discriminative models, let us learn about GANs.

既然您已经知道了生成模型和判别模型的基本定义，那么让我们了解GAN。

鉴别器和生成器网络-GAN游戏 (The Discriminator & Generator networks — The GAN Game)

Generative Adversarial Networks (GANs) are generative models. They generate whole images in parallel. GANs consist of 2 networks: Discriminator & Generator networks

生成对抗网络(GAN)是生成模型。它们并行生成整个图像。 GAN包含2个网络：鉴别器和生成器网络

GANs use a differentiable function. This is usually a neural network. We call it the generator network. This generator network takes random inputs. These inputs are noise. This noise is given to a differentiable function that transforms and reshapes the same into a recognizable structure. This could be an image and the same is highly dependent on the noise at the input of the differentiable function.

GAN使用可微函数。 这通常是一个神经网络。 我们称其为发电机网络。 该发电机网络采用随机输入。 这些输入是噪声。 将此噪声提供给微分函数，该函数将其转换并重塑为可识别的结构。 这可能是图像，并且高度依赖于微分函数输入端的噪声。

For various noise inputs, we can generate many images. However, the generator network immediately doesn't start giving out realistic images. We need to train it.

对于各种噪声输入，我们可以生成许多图像。但是，生成器网络不会立即开始发出逼真的图像。我们需要训练它。

How do we train this generator network? Probably the same way as any other network? Actually no!

我们如何训练发电机网络？可能与其他任何网络相同？其实不行！

Generator networks see many images and try to output something similar to the same probability distribution. How is that done?

生成对抗网络训练_生成对抗网络相关推荐

catia钣金根据线段折弯,CATIA钣金实例教程_生成棱边弯曲_生成局部折叠或展开
CATIA钣金实例教程_生成棱边弯曲_生成局部折叠或展开,使用 5.3 节的钣金零件.模型如图 5-40. @PLONQ9KOT2[YI0M)I9MT05.png (62.9 KB, 下载次数: 82 ...
5g网络架构_【5G网络架构】系列之五：5G核心网向to B演进
编者按:前面推文小编简要介绍了移动通信核心网的发展历程,以及变得"妈都不认识了"5G核心网.然而,to B业务才是5G的核心业务,本期我们看下5G核心网是如何向to B业务演进的. ...
Android 网络框架_常用的网络框架
看了张哥(stormzhang)的博客之后,深有感触,又让我感慨了一番,而且发现张哥的博客英文跟汉字之间是有空格的,数字跟汉字之间也有空格,看起来很舒服很美观,张哥真的是把每一个细节都做的很好,所以身 ...
英国4g网络频段_英国需要网络会议
英国4g网络频段 I'm so jealous. Why does the UK get no decent web conferences? No Fair :( 我好嫉妒 . 为什么英国没有像样的 ...
生成对抗网络生成多维数据集_生成没有数据集的新颖内容
生成对抗网络生成多维数据集介绍(Introduction) GAN architecture has been the standard for generating content through ...
胶囊网络架构_了解胶囊网络-AI的诱人新架构
胶囊网络架构 by Nick Bourdakos 由Nick Bourdakos 了解胶囊网络-AI的诱人新架构 (Understanding Capsule Networks - AI's Allu ...
ios开发循环网络请求_如何简化网络请求接口开发
日常开发中,需要大量和后端对接接口,很容易写出大量的模板代码,比如把对接口的请求放到组件内,或者虽然有数据访问层,但是有大量 get,post 方法的调用,传参的字符串拼接,异常处理等等,有些逻辑是可 ...
计算机网络的硬件连接图,路由器设置图和网络电缆连接图_计算机硬件和网络_IT /计算机_数据...
路由器设置和网络电缆连接的插图路由器设置的插图路由器设置的插图路由器设置的插图路由器设置的插图每个人都在使用宽带ADSL,为了省钱我们共享互联网,几个人使用同一条ADSL线路,需要带有路由器的路由器( ...
网络策略_你知道网络营销策略有哪些吗？
互联网对于大家来说已经无处不在了,日常生活也因互联网变得更加方便快捷,网络营销也开始替代传统的营销方式了,可是,网络营销并不简单,企业网络营销更需要互联网,那么,你知道网络营销都有哪些策略吗? 网络营 ...
5g网络架构_【5G网络架构】系列之二：5G基站—gNodeB。为什么叫gNodeB？取个名而已，需要理由吗？...
编者按:要想使用5G网络,必须要有5G基站做支撑.3G基站叫NodeB,4G基站叫eNodeB,5G基站叫什么?3GPP给5G基站取了个名,叫gNodeB.尽管我们一直没弄明白3G基站为何叫NodeB ...

生成对抗网络训练_生成对抗网络

深度学习(Deep Learning)

什么是生成对抗网络(GAN)？(What are Generative Adversarial Networks (GANs)?)

鉴别器和生成器网络-GAN游戏 (The Discriminator & Generator networks — The GAN Game)

生成对抗网络训练_生成对抗网络相关推荐

最新文章

热门文章