《GANs实战》学习笔记（一）第一章 GAN简介

 

GAN（生成对抗网络）有一本实战书出版了，了解下？

这个标题的文章中有对本书的非常专业的概括，我也是因为读了它的导读购买阅读并整理这个子分类专栏。

本书电子版。

目录：

1、第一章 GAN简介

2、第二章 自编码器生成模型入门

3、第三章 你的第一个GAN模型：生成手写数字

4、第四章 深度卷积生成对抗网络（DCGAN）

5、第五章 训练与普遍挑战：为成功而GAN

6、第六章 渐进式增长生成对抗网络（PGGAN）

7、第七章 半监督生成对抗网络（SGAN）

8、第八章 条件生成对抗网络（CGAN）

9、第九章 循环一致性生成对抗网络（CycleGAN）

10、第十章 对抗样本

11、第十一章 GAN的实际应用

12、第十二章 展望未来

 

 

序

能自我批评的机器学习系统。

自动学习的表达 和 机器学习的反馈循环。

数据非常昂贵，计算却越来越便宜。

GAN的数据合成能力远远优于其他技术。

---

第一章 GAN简介

图灵测试：一个不知情“观察者”与两个“对应者”交谈：一个是人类、一个是计算机。如果观察者不能分辨出机器和人。则机器是智能的。

计算机超过人的领域：人脸识别、围棋。

机器学习算法非常擅长  识别已有数据中的模式，洞察能力。

1、什么是GAN

GAN是一类由两个同时训练的模型组成的机器学习技术：一个是生成器，训练其生成伪数据；另一个是鉴别器，训练其从真实数据中识别伪数据。

• 生成（generative）一词预示着模型的总目标——生成新数据。GAN通过学习生成的数据取决于所选择的训练集，例如，如果我们想用GAN合成一幅看起来像达•芬奇作品的画作，就得用达•芬奇的作品作为训练集。

• 对抗（adversarial）一词则是指构成GAN框架的两个动态博弈、竞争的模型：生成器和鉴别器。

  • 以假乱真：生成器的目标是生成与训练集中的真实数据无法区分的伪数据——在刚才的示例