当前位置:   article > 正文

深度学习—生成对抗网络GAN_对抗生成网络的训练过程图

对抗生成网络的训练过程图

假钞识别

  • 生成器生成图片
  • 鉴别器鉴别
  • 模型参数更新
  • 一开始很容易鉴别
  • 后面生成的图像越来越像——即生成非常像的图片
  • 更新和训练流程(如下)
  • 首先固定Generstor的参数 给它随机的input,生成sample  再从real images里取出sample 送入discriminator进行鉴别和区分,使其正确识别真与假,得到loss,反向求导,更新discriminator权重。
  • 第二步,执行generator,检测discriminator是否能区分,得到generator的loss,使其生成的sanple非常接近真实的
  • 最后达到以假乱真的图片。使两个模型都非常优秀。

  • x~Pdata(x)数据分布服从data的案例 数据来自真实数据集
  • 固定G时,使判别器很强大,能够鉴别真的和假的数据
  • 固定D时,第一项是常数,通过优化生成器使其生成非常像的图片,使D(G(x))趋近于1
  • 实际训练过程中,可以训练多次D 和 多次G (见下图的k)

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/凡人多烦事01/article/detail/712346
推荐阅读
相关标签
  

闽ICP备14008679号