生成对抗网络

生成的对抗网络（GAN）基础

数学原理？？？

z是随机数据

最后无法分辨是否是真实

假设前提:判别模型D和生成模型G具有学习能力，能收敛

数学原理？？

简单模型

G：relu+sigmoid nn

D:maxout

GAN优点：

不需要大量label数据，loss来源于D判定

产生大量生成数据用于训练，接近无监督学习

可以和深度神经网络结合

GAN缺点：

1.数据直接生成，没有推导过程

2.生成器，判别器需要配合共同训练难度较大

3.容易出现训练失败

GAN可能性：

1.连接神经网络扩展

2.输入不仅是噪声信号

3.时域信号生成

深度GAN

DCGAN：卷积神经网络 + GAN？？？？？

变化：生成器G；判别器D

DCGAN结构细节

特征分析

特征研究

向量运算

噪声输入图片，生成不同图片

z是什么？？？？？？？？？？？？？？？？？？、

记一下生成某张图的z是什么

条件GAN

根据文字内容生成指定图片

还有文字+位置约束

模型结构D:PatchGAN

InfoGAN？？？

Wasserstein GAN

https://zhuanlan.zhihu.com/p/25071913