锐客网

  1. 首页 > 生活百科 > it技术 > >

生成对抗网络的损失函数如何设计_一文读懂生成对抗网络GANs(附学习资源)

一文读懂生成对抗网络
GANs
(附学习资源)
原文标题：
AnIntuitive Introduction to Generative
Adversarial Networks
作者：
KeshavDhandhania
、
ArashDelijani
翻译：申利彬校对：和中华本文约
4000
字，建议阅读
10
分
钟。
本文以图像生成问题引出
GAN
模型，
并介绍了
GAN
模型的
数学原理和训练过程，最后提供了丰富的
GAN
学习资料。
本文讨论生成对抗网络，简称
GANs
。在生成任务或更广泛
的无监督学习中，
GANs
是为数不多在此领域表现较好的机
器学习技术之一。特别是他们在图像生成相关任务上拥有出
色表现。深度学习领域先驱
Yann LeCun
，称赞
GAN
是机器
学习近十年来最好的想法。
最重要的是，
GAN
相关核心概念
很容易理解(事实上，读完本文后你就可以对它有个清晰的
认识)
。
我们将
GANs
应用在图像生成任务中，
并以此来解释
GANs
，
下面是本文的概要：
简单回顾深度学习图像生成问题生成任务中的关键问题生
成对抗网络挑战进一步阅读总结
简单回顾深度学习
(前馈)神经网络示意图，棕色为输入层，黄色为隐藏层，
红色为输出层
我们先简单介绍一下深度学习。上图是神经
【生成对抗网络的损失函数如何设计_一文读懂生成对抗网络GANs(附学习资源)】网络示意图，它是由神经元组成，神经元之间通过边相互连

    推荐阅读


    上一篇：人脸识别|yolo-face 使用yolo v2 在CelebA上训练的人脸检测器

    下一篇：GAN学习笔记|生成式对抗网络(GANs)及变体