生成对抗网络_生成对抗网络的训练过程

论文阅读笔记，论文链接

Generative Adversarial Network 生成对抗网络 GAN 理解gan的原理

网络思想

  在GAN网络当中，有两个网络，一个是生成网络G，另外一个是判别网络D。生成网络G的目的是生成数据，这里的数据可以是图片等数据形式。鉴别网络的目的是鉴别输入的数据是真实的数据还是由我们的生成网络生成的数据。对于生成网络，其输入就是一个噪声，输出一个我们想要的逼真的数据（假如说数据是熊猫图像的话，那么输入一个噪声，输出的是熊猫图片，并且这个熊猫图片在我们的判别网络中判别不出来是生成的）。对于鉴别网络，其输入就是数据（真实的数据或者由生成网络生成的数据），输出的就是对这张图片的判别结果，是真实的数据还是由生成网络生成的数据。

  整个网络训练的流程就是，首先固定生成网络的参数（最开始生成网络的参数可以随机初始化），然后使用生成网络生成一堆数据，这堆数据我们将其标签为生成的数据（0为假，1为真）。接着将这堆生成的数据与原始数据混合在一起，去训练我们的鉴别网络。当此次训练完成之后，接着去训练我们的生成网络。我们可以想到，鉴别网络输出的是输入数据是真实数据的概率，那么对于鉴别网络而言，肯定是想让来自生成网络的数据经过鉴别网络，输出的概率越小越好。对于生成网络而言，它则是想要其输出的数据经过鉴别网络，输出的概率越大越好。那么，在训练生成网络的时候，就是最大化其输出结果在经过鉴别网络后的概率。那么这一轮鉴别网络与生成网络的训练就结束了，接着只需要循环上面的步骤即可（固定生成网络的参数，训练鉴别网络。固定鉴别网络的参数，训练生成网络）。

  如果上面的内容你听懂了，那么恭喜你，你已经明白了GAN网络的核心原理。如果你没有听懂，那么接下来举个栗子~

  假设你是一名学画画的学生，现在老师要求你们不用任何参考资料画出考拉