← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9427 · 生成模型:Tencent Hunyuan Hy

GAN是什么与应用

理解等级:初级

生成对抗网络(GAN)由生成器与判别器组成,通过对抗学习数据分布来合成逼真新样本。用途很广:可生成猫、名人面孔乃至现代艺术品般的图像,可合成语音、视频与天文图像的三维重建,也能生成医学数据、高频金融序列等时间序列,还支撑统计推断,例如从图片中归纳服装设计规律。GAN 的强大在于它本质是生成模型:不把特征映射为类别标签,而是对某类数据的特征分布建模,再据此采样新数据。本章以 MNIST 为例,依次实现原始 GAN、DCGAN、条件 GAN 与信息最大化 GAN,让生成器从随机噪声出发产出以假乱真的图像。机制见[[对抗训练的零和机制]]与[[生成模型与判别模型]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python深度学习架构实用指南(初译)》第07章《生成对抗网络》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/13.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文开宗明义把 GAN 定义为最有趣的深度学习模型之一并预告其用途,支撑以生成模型视角理解 GAN 价值的结论。 - 原始内容:在本章中,我们将解释最有趣的深度学习模型之一,即生成对抗网络(GAN)。 我们将首先回顾 GAN 是什么以及它们的用途。