程序员学长 | 快速学习一个算法，GAN

本文来源公众号“程序员学长”，仅用于学术分享，侵权删，干货满满。

原文链接：快速学习一个算法，GAN

GAN 如何工作？

GAN 由两个部分组成：生成器（Generator）和判别器（Discriminator）。这两个部分通过一种对抗的过程来相互改进和优化。

生成器（Generator）

生成器的任务是接收一个随机噪声向量，并将其转换为看起来尽可能真实的数据。它通常使用一个深度神经网络来实现，从随机噪声中生成类似于训练数据的样本。

生成器的目标是生成的样本能够骗过判别器，使判别器认为生成的数据是真实的。

判别器（Discriminator）

判别器是一个二分类模型，它的任务是区分真实数据和生成器生成的假数据。

判别器接收一个数据样本，并输出一个概率值，表示该样本是真实数据的概率。

判别器的目标是尽可能准确地将真实数据与生成数据区分开来。

对抗过程

GAN 的训练过程可以被看作是生成器和判别器之间的博弈。具体来说，生成器试图生成逼真的数据以欺骗判别器，而判别器则试图更好地识别生成的假数据。

这个过程可以描述为一个最小最大化的优化问题。

鉴别器 D 想要最大化目标函数，使得 D(x) 接近于 1，D(G(z)) 接近于 0。这意味着鉴别器应该将训练集中的所有图像识别为真实 (1)，将所有生成的图像识别为假 (0)。

生成器 (G) 想要最小化目标函数，使得 D(G(z)) 为 1。这意味着生成器试图生成被鉴别器网络分类为 1 的图像。

训练步骤

1. 初始化生成器和判别器的参数

2. 判别器训练

   • 从真实数据集中采样一个 mini-batch 的真实数据。

   • 从生成器的噪声分布中采样一个 mini-batch 的噪声，并生成假数据。

   • 更新判别器的参数，使其能够更好地区分真实数据和生成数据。

     

<