← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.2.e.1 · 生成模型:未记录

生成对抗网络的分工

理解等级:中级

生成对抗网络由生成器与判别器组成:生成器将随机输入映射为样本,判别器学习区分真实样本和生成样本。训练中两者交替改进,生成器利用判别反馈调整输出,判别器再适应新样本;训练判别器时固定生成器,以真实和生成样本训练区分;训练生成器时固定判别器参数,仍通过判别器将反馈传回生成器以调整生成样本。交替重复这两个步骤。这种竞争不保证训练必然稳定或覆盖所有真实模式。

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

    • 生成模型 8.1.2 判别器 · 查看原书依据

      回到动漫人物图片的例子,生成器学习画出动漫人物的过程如图8.7 所示. 首先,第一代生成器的参数几乎是完全随机的,所以它根本就不知道要怎么画动漫人物,生成器画出来的东西就是一些莫名其妙的噪声.判别器学习的目标是成功分辨生成器输出的动漫图片,图8.7 展示了这个过程. 例如,第一代判别器判断一张图片是不是真实图片的依据是看图片中有没有眼睛,则第二代生成器就需要输出有眼睛的图片,尝试骗过第一代判别器. 同时,判别器也会进化,它会试图分辨新的生成图片与真实图片之间的差异. 假设第二代判别器通过有没有嘴巴来识别真假,那么第三代生成器会想办法骗过第二代判别器,把嘴巴加上去. 当然,判别器也会逐渐进步,越来越严苛,“逼迫”生成器产生的图片越来越像动漫人物.生成器和判别器彼此之间是一种互动、促进关系. 最终,生成器会学会画出动漫人物,而判别器也会学会分辨真假图片,这就是GAN的训练过程.

    参考来源

    - 位置:《深度学习详解》第8章《生成模型》8.1.2 判别器(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter08.xhtml`) - 结论依据:原文用视频预测和动漫人脸示例解释随机输入、条件生成和生成器与判别器的互动。 - 原始内容:回到动漫人物图片的例子,生成器学习画出动漫人物的过程如图8.7 所示. 首先,第一代生成器的参数几乎是完全随机的,所以它根本就不知道要怎么画动漫人物,生成器画出来的东西就是一些莫名其妙的噪声.判别器学习的目标是成功分辨生成器输出的动漫图片,图8.7 展示了这个过程. 例如,第一代判别器判断一张图片是不是真实图片的依据是看图片中有没有眼睛,则第二代生成器就需要输出有眼睛的图片,尝试骗过第一代判别器. 同时,判别器也会进化,它会试图分辨新的生成图片与真实图片之间的差异. 假设第二代判别器通过有没有嘴巴来识别真假,那么第三代生成器会想办法骗过第二代判别器,把嘴巴加上去. 当然,判别器也会逐渐进步,越来越严苛,“逼迫”生成器产生的图片越来越像动漫人物.生成器和判别器彼此之间是一种互动、促进关系. 最终,生成器会学会画出动漫人物,而判别器也会学会分辨真假图片,这就是GAN的训练过程.