生成对抗网络
来源:互联网 发布:linux运维面试会问什么 编辑:程序博客网 时间:2024/05/24 06:46
生成对抗网络
1.两个模型
生成模型G:不断生成和真实样本更为接近的样本
判别模型D:提高区分真实样本和生成模型的能力,输出值是样本为真实样本的概率。
两个模型相互对抗,不断提升。
2. 基本概念
(1) 生成模型G
- 输入噪声变量z,
z∼pz(z) , G(z)即为生成样本。 G(z,θg)∼pg 训练G的目标是要让D难以区分G(z)是不是真实样本,即让D(G(z)) -> 0, 也即让 log(1-D(G(z)))尽可能小。
(2) 判别模型D:
*真实样本
*训练判别模型D的目标是尽可能的区分 真实样本 x 和 生成样本 G(z), 则要让 D(x) -> 1, D(G(z)) ->0, 即让 logD(x)+ log(1-D(G(z)))尽可能小.
(3)工作
*定义
*目标:
3. 算法
for 训练迭代次数 do for k steps do 按照分布 p_z(z) 选取{z_1,z_2,...,z_m } 按照分布p_{data}(x) 选取{x_1,x_2,...,x_m} Update D by $\nabla_{\theta_g}\frac^{1}_{m} \sum [logD(x_i)+log(1-D(G(z_i)))]$ end for按照分布 p_z(z) 选取{z_1,z_2,...,z_m }Update G by$\nabla_{\theta_g}\frac^{1}_{m} \sum log(1-D(G(z_i)))$
references:
- Goodfellow, Ian J., Pouget-Abadie, Jean, Mirza, Mehdi, Xu, Bing, Warde-Farley, David, Ozair, Sherjil, Courville, Aaron C., and Bengio, Yoshua. Generative adversarial nets. NIPS, 2014.
0 0
- 生成对抗网络
- 生成对抗网络
- 生成对抗网络
- 生成对抗网络GAN
- 论文生成对抗网络
- 生成对抗网络推导
- GAN生成对抗网络
- 生成对抗网络简介
- 生成对抗网络
- 生成对抗网络
- 生成对抗网络-GAN
- 生成对抗网络
- 生成判别对抗网络
- Gan 生成对抗网络
- [生成对抗网络] GAN
- 生成对抗网络
- 生成对抗网络
- 生成对抗网络(GAN)
- 还是A+B
- mysql常见安全加固策略
- 洛谷P1443 马的遍历
- tf.concat与numpy.concatenate
- 在慕课上学习的,HTML和CSS基础学习笔记1
- 生成对抗网络
- 算法题(1)
- 数据结构与算法分析笔记与总结(java实现)--链表15:链表回文判断问题
- spark parquet 从hdfs 上读 和写
- Linux C笔记(1)
- 记录csdn第一篇博客
- 在DOS下引用jar包
- 【JZOJ3852】单词接龙
- xml的4中解析方式与详解