GAN 生成对抗网络训练方法

本文介绍生成对抗网络(GAN)的基本原理,包括生成网络(生成器)如何从随机噪声生成近似真实的图片,以及判定网络(判定器)如何区分真实与虚假图片。文章详细解释了GAN的训练过程,涉及交替训练生成器和判定器的具体步骤。

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

写两个网络:

1.一个生成网络(生成器),这个生成器会尽力从随机噪声中生成近似真实的虚假图片,
2.一个判定网络(判定器),这个判定器会尽力的区分真实图片与虚假图片(生成器生成的图片)

训练流程:
训练判定器:
1.将一张真实图片送入判定器,标记样本为真,对判定器进行训练
2.生成器生成一张虚假的图片送入判定器,标记样本为假,对判定器进行训练
训练生成器:
3.生成器生成一张虚假的图片送入判定器,根据判定结果对生成器进行训练(注意此时不要更新判定器的参数)
4.重复以上步骤就可以完成一个简单的GAN的训练了

评论 3
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

打赏作者

什么都干的派森

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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