P58 生成式对抗网络（GAN）
发布时间：2023年12月19日
Generator
network as generator
x 和 z 同时作为 network的输入
z服从一定的简单分布
生成复杂分布的y
为什么要训练 generator , 为什么输出是要一个分布？
为了适应一些具有创造性的任务 ，答案有多种可能。比如打游戏可能向左。可能向右。 加入一个随机分布的输入，比如 0-1 分布，当随机输入为0时，左转，随机输入为1时，右转。
Unconditional generation
没有x ， 输入只有z
随机分布不同的z, 会产生不同的output
Discrimator
输出一个scaler ， 判别输出的图片与真实的二次元图像的相似度
generator 和 discriminator 交替互相更新进化。 直到discriminator 判断输出与真实的一致
固定G 更新D， 固定D ，更新G … …
目标是使得discriminator 的分数越高越好，可以使用梯度上升法
（厉害，模型生成的二次元图像）
（未完待续）
文章来源:https://blog.csdn.net/weixin_39107270/article/details/135086641
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！