【深度之眼】Pytorch框架班第五期-Week9【任务1】第一节：对抗生成网络一瞥

原创 于 2020-09-14 15:42:58 发布 · 212 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了生成对抗网络（GAN）的工作原理及其训练过程，包括GAN如何通过生成器（G）和判别器（D）的对抗学习生成特定分布的数据。文章详细介绍了GAN的训练步骤，以及DCGAN在生成器和判别器设计上的改进。

Generative Adversarial Nets

GAN: 生成对抗网络 —— 一种可以生成特定分布数据的模型

在这里插入图片描述

GAN的训练

训练目的

1、对于D：对真样本输出高概率
2、对于G：输出使D会给出高概率的数据

在这里插入图片描述

监督学习训练模式

在这里插入图片描述
在这里插入图片描述

step1: 训练D
输入：真实数据加G生成的假数据
输出：二分类概率
step2: 训练G
输入：随机噪声z
输出：分类概率——D(G(z))
在这里插入图片描述

DCGAN

Generator:
在这里插入图片描述

Discriminator
在这里插入图片描述

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值