生成对抗网络——GAN与自动编码器

生成对抗网络——GAN与自动编码器

不要有病毒

不要有饥荒

不要有战争

不要有太多贪欲

2020年平稳地度过

                                                                                                                                            ------2020.4.25

自动编码器特点：

1.与数据相关程度高，因为使用神经网络提取的特征一般是与原始训练集高度相关，意味着自动编码器只能压缩与训练数据相似的数据。2.压缩数据是有损的。因为在降维的过程中不可避免的要丢失信息。

自动编码器的应用：

1.数据去噪；

2.可视化降维；

3.生成数据。

自动编码器的结构与原理：

由编码器和解码器组成，编码器和解码器通常是神经网络模型。

输入的数据经过神经网络降维到一个编码，再通过一个神经网络去解码得到一个与输入原始数据一模一样的生成数据，然后通过比较这两个数据去最小化它们之间的差异来训练编码器和解码器的参数。

变分自动编码器：

在自动编码器中需要输入一张图片，然后将图片编码之后得到隐含向量，隐含向量解码得到与原始图片对应的照片。

变分自动编码器可以自己去构造隐藏向量，生成任意图片，只需要给它一个标准正态分布的随机隐含向量，通过解码器就能够生成想要的图片，而不需要给它一个原始的图片。实际情况中需要在准确率与隐含向量服从标准正态分布之间去做一个权衡。KL divergence可