Generative Adversarial Nets (译)

时间 2020-12-30

原文原文链接

摘要我们提出一个新的框架，通过一个对抗过程来评估生成模型，我们同时训练两个模型：一个生成模型G——用于捕获数据分布，一个判别模型——用于评估一个例子是训练数据而不是生成数据的可能性。G的训练过程是最大化D做出错误决定的可能性。该框架类似于一种最大最小化的两人游戏。在任意G和D的空间中，存在唯一解，G恢复训练数据分布，D恒等于1/2。在这里，G和D都由多层感知机定义，整个网络通过梯度下降训练。在样

>>阅读原文<<

1. Generative Adversarial Nets（译）
2. Generative Adversarial Nets[CycleGAN]
3. Conditional Generative Adversarial Nets
4. paper：Conditional Generative Adversarial Nets
5. Generative Adversarial Nets
6. cGAN:Conditional Generative Adversarial Nets
7. Generative Adversarial Nets[pix2pix]
8. Generative Adversarial Nets[BEGAN]
9. Generative Adversarial Nets(GAN Tensorflow)
10. [GAN_papers]GAN+Generative Adversarial Nets
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