Generative Adversarial Nets

時間 2020-12-30

標籤機器學習简体版

原文原文鏈接

Generative Adversarial Nets 摘要生成器和判別器在訓練過程中，相互對抗，共同進化。我們同時訓練兩個模型，生成模型G，用來捕獲數據分佈，一個判別模型D用來評估輸入樣本來自於訓練數據(真實數據)的概率。對G來說訓練的過程是最大化D犯錯誤的概率。這個框架相當於一個極小化極大的雙方博弈遊戲。對於任意函數G, D，在空間中存在一個唯一解，即爲G恢復訓練數據，D處處等於1/2。G

>>阅读原文<<

1. Conditional Generative Adversarial Nets
2. Generative Adversarial Nets（譯）
3. paper：Conditional Generative Adversarial Nets
4. Generative Adversarial Nets[CycleGAN]
5. cGAN:Conditional Generative Adversarial Nets
6. Generative Adversarial Nets[pix2pix]
7. Generative Adversarial Nets
8. Generative Adversarial Nets (譯)
9. Generative Adversarial Nets[BEGAN]
10. Generative Adversarial Nets(GAN Tensorflow)
更多相關文章...

相關標籤/搜索