一、GAN概述
在生成对抗网络中,两个网络相互训练。生成器通过创建虚假输入来误导鉴别器。鉴别器告诉输入是真实的还是人造的。
GAN 训练过程有3个主要步骤
1、使用生成器 根据噪声创建虚假输入
2、用真假输入训练鉴别器
3、训练整个模型:模型是用链接到生成器的鉴别器构建的。
鉴别器的权重在第三步中被冻结。链接两个网络的原因是生成器的输出没有可能的反馈。 我们唯一的衡量标准是鉴别器是否接受了生成的样本。
二、数据集
Ian Goodfellow 首先应用 GAN 模型来生成 MNIST 数据。在本教程中,我们使用生成对抗网络进行图像去模糊。因此,生成器的输入不是噪声而是模糊图像。
数据集是 GOPRO 数据集。您可以下载精简版 (9GB) 或 完整版 (35GB)。它包含 来自多个街景的人为模糊图像。数据集按场景分解到子文件夹中。