Generative Adversarial Nets（译）

时间 2020-12-23

原文原文链接

摘要我们提出了一个通过对抗过程估计生成模型的新框架，在新框架中我们同时训练两个模型：一个用来捕获数据分布的生成模型G，和一个用来估计样本来自训练数据而不是G的概率的判别模型D，G的训练过程是最大化D产生错误的概率。这个框架相当于一个极小化极大的双方博弈。在任意函数G 和D 的空间中存在唯一的解，其中G恢复训练数据分布，并且D处处都等于 1 2 \frac{1}{2} 21。在G和D 由多层感

>>阅读原文<<

1. Generative Adversarial Nets（译）
2. Generative Adversarial Nets (译)
3. Conditional Generative Adversarial Nets
4. paper：Conditional Generative Adversarial Nets
5. Generative Adversarial Nets[CycleGAN]
6. Generative Adversarial Nets
7. cGAN:Conditional Generative Adversarial Nets
8. Generative Adversarial Nets[pix2pix]
9. Generative Adversarial Nets[BEGAN]
10. Generative Adversarial Nets(GAN Tensorflow)
更多相关文章...
• Eclipse 编译项目 - Eclipse 教程
• Kotlin 使用命令行编译 - Kotlin 教程
• Scala 中文乱码解决
• Kotlin学习（一）基本语法