從動力學角度看優化算法：GAN的第三個階段

作者丨蘇劍林 單位丨追一科技 研究方向丨NLP，神經網絡 個人主頁丨kexue.fm 在對 GAN 的學習和思考過程中，我發現我不僅學習到了一種有效的生成模型，而且它全面地促進了我對各種模型各方面的理解，比如模型的優化和理解視角、正則項的意義、損失函數與概率分佈的聯繫、概率推斷等等。GAN不單單是一個「造假的玩具」，而是具有深刻意義的概率模型和推斷方法。  作爲事後的總結，我覺得對 GAN 的理解

>>阅读原文<<