知识卡片
GAN的猫鼠博弈本质
生成对抗网络(GAN)是一种特殊的深度学习模型,由两个相互博弈的神经网络组成:生成器(生成模型)和判别器(判别模型)。生成器的任务是制造尽可能接近真实样本的“假样本”,判别器的任务是判断拿到的数据究竟来自真实样本还是生成器。二者通常用深度神经网络实现,故也称生成网络与判别网络。
可以用《猫鼠游戏》来理解:生成器像造假者莱昂纳多,判别器像追查假钞的FBI探员。造假者不断提升伪造水平,探员不断提升鉴别能力,双方在交替训练中互相促进。最终目标不是让判别器变强,而是训练出一个足以“以假乱真”的生成器。
用途与边界:GAN属于复杂分布的无监督学习方法,只需真实样本本身、无需标注即可学习其分布。但训练目标是生成器,判别器只是“陪练”;若一方过强导致失衡,训练就难以收敛。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- AI绘画与生成对抗网络 13.1.1 猫和老鼠的游戏 · 查看原书依据
这种博弈就像电影里的莱昂纳多和FBI探员的博弈一样。生成网络就是造假者莱昂纳多,根据真实的文件与钞票,学习并制造出假文件和假钞,而判别网络就是一直在检测假钞的FBI探员。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第13章《AI绘画与生成对抗网络》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00018.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文以《猫鼠游戏》类比GAN:生成网络是造假者、判别网络是检测假钞的探员,两者交替训练使能力共同提升,最终目标是让生成网络的数据达到真假难分。这支撑了“GAN本质是生成器与判别器相互博弈”的结论。
- 原始内容:这种博弈就像电影里的莱昂纳多和FBI探员的博弈一样。生成网络就是造假者莱昂纳多,根据真实的文件与钞票,学习并制造出假文件和假钞,而判别网络就是一直在检测假钞的FBI探员。