GAN 入门
来源:互联网 发布:知乎 渡边信一郎 编辑:程序博客网 时间:2024/06/06 01:30
GAN入门
GAN的基本原理其实非常简单,这里以生成图片为例进行说明。假设我们有两个网络,G(Generator)和D(Discriminator)。正如它的名字所暗示的那样,它们的功能分别是:
- D是一个判别网络,判别一张图片是不是“真实的”。它的输入参数是x,x代表一张图片,输出D(x)代表x为真实图片的概率,如果为1,就代表100%是真实的图片,而输出为0,就代表不可能是真实的图片。他的目标是D(x)=1 => max log(D(x))
- G是一个生成图片的网络,它接收一个随机的噪声z,通过这个噪声生成图片,记做G(z)。它的目标是D(G(z))=1 ,=> min log(1-D(G(z))
而他们的优化公式是
他们的优化步骤是:
先对D进行k次优化,再对G进行优化。能避免过拟合,且保持D的最优。在实际工程中,为何避免早期的训练一直被拒绝,可以先优化 max D(G(z)),而非min log(1 − D(G(z)))
在训练后,D(G(z))=D(x)=
其中,D 的最优公式应该是
令
而
阅读全文
0 0
- GAN 入门
- GAN入门实践
- GAN入门基础指导
- 入门,训练GAN神经网络
- GAN的入门与实践
- gan
- GAN
- GAN
- GAN
- GAN
- GAN
- GAN
- GAN
- GAN
- 深入浅出生成对抗网络1-GAN入门
- 生成式对抗网络GAN-入门篇
- GAN的基本原理与入门应用!
- GAN学习指南:从原理入门到制作生成Demo
- ubuntu16.04+caffe训练mnist数据集
- C++面试问题详解
- 自定义枚举相关。
- 二维数组中的查找+旋转数组的最小数字+跳台阶迭代+求幂次+调整数组使奇数位于偶数之前
- Leetcode# 268. Missing Number(异或)
- GAN 入门
- 利用hackbar进行sql注入简单实例
- python学习(二)
- vb.net 教程 4-8 文本文件读写 4
- Logistic回归
- 猜数字
- 洛谷 P3773 [CTSC2017]吉夫特(bzoj P4903 [CTSC2017]吉夫特/uoj P300【CTSC2017】吉夫特)
- JAVA8 匿名内部类和lambda表达式
- JavaScript进行Form表单验证