← 返回刚才阅读的位置

知识卡片

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

对抗训练的零和机制

理解等级:中级

对抗训练是 GAN 的核心范式:生成器与判别器在零和框架中相互竞争。生成器制造候选样本,目标是让合成实例看起来来自真实分布,哪怕伪造;判别器判断样本是真实还是生成,目标是识别伪造。从优化看,生成器要增大判别器错误率——判别器错得越多生成器越好,判别器则努力降低自身误差。每轮双方都用梯度下降更新参数,博弈在于生成器想欺骗判别器、判别器想不被欺骗。生成器通常从高斯分布抽取随机向量作输入,逐步逼近目标分布。随着对抗推进,合成的图像、音频、视频或时间序列有望骗过最严格的判别器,正如临摹者最终赢得最严格评委的认可。参见[[GAN的图像生成流程]]。

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:原文用零和框架解释双方互为目标的关系,支撑生成器以增大判别器错误为目标的对抗训练结论。 - 原始内容:GAN 中的生成器和判别器以对抗性方式进行训练,也就是说,它们在零和框架中相互竞争,以便生成模拟真实数据分布的数据。