Python深度学习,对抗生成网络入门part(1)

释放双眼,带上耳机,听听看~!

条件式生成对抗网络(Conditional Generative Adversarial Net)

对抗生成网络属于深度学习的一部分。

Generative Model 生产模型

1.作用

从细节上来看,生成模型可以做一些无中生有的事情,比如图片高清化,智能填充(图片被遮住一部分,修复完整),使用轮廓渲染栩栩如生的图片等

2.发展限制

在最大似然估计及相关策略上,很多概率计算的模拟非常困难

将piecewise linear units(线性分段单元)用在生成模型上比较困难

对抗网络基本思想

假设有一种概率分布M,它相当于我们是一个黑盒子,为了了解这个黑盒子中的东西是什么,我们构建了两个东西G和D,G是另一种我们完全知道的概率分布,D是用来区分一个事件是由黑盒子产生的还是由我们自己设的G产生的。

不断的调整G和D,直到D不能把事件区分出来为止。在调整的过程中,我们需要:

  1. 优化G,使它尽可能的让D混淆
  2. 优化D,使它尽可能的区分出假冒的东西

当D无法区分出事件的来源的时候,可以认为,G和M是一样的。从而我们就得到了黑盒子里面的东西

python代码实现

GAN 主要由两个部分构成:generatordiscriminator

  1. generator 主要作用是从训练数据中产生相同分布的samples
  2. discriminator 则还是采用传统的监督学习的方法

最终达到数学层面上的纳什均衡,全局最优

【转自慕课】https://www.imooc.com

Python

Python之方法调用

2022-3-3 10:38:22

Python

最优美的表格查看插件:tabulate

2022-3-3 10:41:57

搜索