小白仍然努力学习之----------GAN基础知识

本文介绍了GAN(生成对抗网络)的工作原理,重点探讨了为什么需要生成模型(generative)与判别模型(discriminative)协作。只使用生成模型会有全局性考虑不足的问题,而只使用判别模型则需要解决负样本生成的难题。GAN通过两者的结合,既能生成高质量图像,又能全局评估相似度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

GAN,还是读game吧,听起来好听点。  李宏毅还是厉害,讲的深入浅出

一.GAN为什么需要generative与discriminative协作

理解GAN,首先来看看,如果只用generative能不能做生成?

答案是  可以!!!但是,有些缺陷:

    我们想想,如果只用generative来做生成,怎么做呢?就是input一些vector,让net学着去生成和target尽可能像的图片:

但是这些input vector怎么来的呢?我们可能希望这些vector具有某些代表的特征,比如第一维代表方向什么的之类,这样net学到的生成才具有可解释性,目的性。为了生成这样的有意义的vector,我们可以使用Auto-Encoder

使用了Auto-Encoder,我们可以获得有意义的input,这个时候其实Decoder就是我们要的Generator,

</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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