《Generative Adversarial Nets》笔记

时间 2020-12-23

原文原文链接

生成对抗网络包括两个部分：生成器和判别器。为了让生成器学习到数据的分布，定义一个先验噪声变量Pz，然后通过生成器映射到数据空间Pg，即假的数据。判别器以生成的数据及真实数据作为输入，输出为一个0到1之间的数，看作输入来自真实数据的概率，因此判别器为一个二分类分类器。我们想让判别器通过训练最大化分配真实数据标签1假数据标签为0的概率，同时训练生成器生成的假数据可以迷惑判别器，让判别器最小化假数据标签

>>阅读原文<<

1. Generative Adversarial Nets笔记
2. 【阅读笔记】Generative Adversarial Nets
3. Generative Adversarial Nets论文笔记
4. 论文笔记：Generative Adversarial Nets
5. Conditional Generative Adversarial Nets
6. Generative Adversarial Nets（译）
7. paper：Conditional Generative Adversarial Nets
8. Generative Adversarial Nets[CycleGAN]
9. Generative Adversarial Nets
10. cGAN:Conditional Generative Adversarial Nets
更多相关文章...
• ASP.NET Razor - 标记 - ASP.NET 教程
• ADO 添加记录 - ADO 教程
• Tomcat学习笔记（史上最全tomcat学习笔记）
• Docker容器实战(六) - 容器的隔离与限制