生成式对抗网络GAN

一、背景

GAN的用途：图像超像素、背景模糊、图像修复

二、生成式对抗网络GAN

1. 生成模型：一个能够生成我们想要的数据的模型（图模型、函数、神经网络）
2. GAN：目的就是训练一个生成模型，生成我们想要的数据
3. 

    

    

4. 

    

    

5. 

    

    

6. 生成器和判别器是对抗的

三、训练算法

1. 随机初始化生成器和判别器
2. 交替训练判别器D和生成器G直到收敛

l  固定生成器G，训练判别器区分真实图像与合成图像（二分类）

l  固定判别器D，训练生成器欺骗判别器D（最大化的问题 ）

1. KL散度：一种衡量两个概率分布的匹配程度的指标（非负性和不对称性）
2. JS散度（非负性和对称性）
3. 数据分布：生成模型其实就是在学习数据的分布
4. 

    

    

五、代码运行

1. 

2. 

生成式对抗网络GAN

原文：https://www.cnblogs.com/mujin-chuyang/p/13654218.html