qq_39862223的博客

3 GAN应用于手写数字识别 我使用mnist手写数字来做数据集，通过生成对抗网络我们希望生成一些“以假乱真”的手写字体。为了加快训练过程，不使用卷积网络来做判别器，使用简单的多层网络来进行判别。 3.1 定义判别器和生成器 Discriminator Network class discriminator(nn.Module): def __init__(self): super(discriminator, self).__init__() self.dis

1.GAN能做什么 GAN的初衷就是生成不存在于真实世界的数据，类似于使得 AI具有创造力或者想象力。应用场景如下： AI作家，AI画家等需要创造力的AI体； 将模糊图变清晰(去雨，去雾，去抖动，去马赛克等)，这需要AI具有所谓的“想象力”，能脑补情节； 进行数据增强，根据已有数据生成更多新数据供以feed，可以减缓模型过拟合现象。 2.GAN浅析 2.1 GAN的基本结构 GAN的主要结构包括一个生成器 G（Generator）和一个判别器 D（Discriminator）。 例如，我们需要球员在球场