什么是gan网络_DAN网络

什么是gan网络_DAN网络引言GAN,全称GenerativeAdversarialNetworks,中文叫生成式对抗网络,了解GAN,私下我喜欢叫它为“内卷”网络,为啥这么说,我们先来看一个故事!!!01警察与小偷的故事在宇宙的某个星球,某个地方有一个城市,这个城市是一个新兴城市,各种制度建设还不完善,所以城市的治安很混乱,很快,这个城市就出现了很多小偷。当然,现在这批小偷能力层次不齐,有的是盗窃高手,有的是一个毫无技术的小憨憨。小偷盛行,市民投诉反馈,这个城市就开始整治…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46,售后保障稳定

引言

     GAN全称GenerativeAdversarialNetworks中文叫生成式对抗网络了解GAN,私下我喜欢叫它为“内卷”网络,为啥这么说,我们先来看一个故事!!!


01

警察与小偷的故事

      在宇宙的某个星球,某个地方有一个城市,这个城市是一个新兴城市,各种制度建设还不完善,所以城市的治安很混乱,很快,这个城市就出现了很多小偷。当然,现在这批小偷能力层次不齐,有的是盗窃高手,有的是一个毫无技术的小憨憨。

什么是gan网络_DAN网络

    小偷盛行,市民投诉反馈,这个城市就开始整治治安,开展了一场打击犯罪的活动,警察开始巡逻,不久一批批学艺不精的小偷就被抓住了。

什么是gan网络_DAN网络

     当然,警察也只能抓到学艺不精的小偷,因为此时的警察自身的能力也不强。此时治安水平不好说,但学艺不精的小偷被抓后,城市的小偷水平大幅度提高了。

什么是gan网络_DAN网络

     这时,警务处长下令,继续训练破案技术,要把那些狡猾的小偷也抓住。慢慢的,职业惯犯以个个的落网了;此时的警察也能从人群中迅速排查出可疑任务,侦察能力提高了不少。

什么是gan网络_DAN网络

   小偷们面对这种现象,心里开始明白:现在的警察水平大大提高,不能像以前一样鬼鬼祟祟的了,不然很容易被捉住。小偷们就开始“头悬梁锥刺股”的苦练技术。终于小偷们距离盗圣的目标又近了一步。这时候,警察们又很难捉到他们了。

什么是gan网络_DAN网络

     警务处长特别生气,召开警员大会,号召严训警员。于是警员们夙兴夜寐的学习工作,终于苦心人天不负,警察们能力又变强了,很多小偷被捕。

什么是gan网络_DAN网络

    道高一尺魔高一丈,警员勤奋,小偷刻苦,相互内卷。,最后达到纳什均衡,这个城市也就成就一批批“捕神”和“盗圣”

什么是gan网络_DAN网络

    GAN就和故事种的警察和小偷一样相互内卷,相互对抗。


02

GAN的通俗理解

   人脸检测、图像识别、语音识别,机器总是在现有的事物基础上,做出描述和判断。能不能创造这个世界不存在的东西,GAN就是为此而来。它包含三个部分—-生成、判别和对抗;其中生成器和判别器是重要的模块

什么是gan网络_DAN网络

    生成和判别指的是两个独立模块。其中生成器负责依据随机向量产生内容,这些内容可以是图片、文字,也可以是音乐,具体什么取决于你想要创造什么;判别器负责判别接收的内容是否是真实的,通常他会给出一个概率,代表内容的真实度。两者使用什么网络,没有具体的规定,正常处理图片的CNN、常见的全连接都可以,只要能完成相应的功能就可以。

什么是gan网络_DAN网络

    接下来就是对抗;对抗是指GAN的交替训练的过程,以图片生成为例子,先让生成器生成一些假图片和真图片,一起交给判别器判别,让它学习区分两者,给真的高分,给假的低分,当判别器能够熟练判断现有的数据后,再让生成器以从判别器处获得高分为目标,不断生成更好的假图片,直到能骗过判别器,重复这一过程,直到判别器对任何图片的预测概率都接近0.5,也就是无法判别图片的真假,就可以停止训练了。

什么是gan网络_DAN网络

   生成器与判别器就像上文提到的警察与小偷一样,既是对抗,又更像是朋友,最初都是技术不精的无名之辈,随着不断的切磋、内卷、升级,最后共同成长,成为了捕神和盗圣。

什么是gan网络_DAN网络

     我们训练一个GAN的最终目标就是获得一个足够好的生成器,也就生成一个足够已经乱真的内容,能完成类似功能的还有玻尔兹曼机、变分自编码器等,这些都被成为生成模型。


03

GAN的总结

(1)生成器与判别器

  1. 生成器(Generator):通过机器生成数据(这些内容可以是图片、文字,也可以是音乐),目的是“骗过”判别器
  2. 判别器(Discriminator):判断这写内容是真实的还是机器生成的,目的是找出生成器做的“假数据”

(2)训练步骤

Step1:固定判别器,训练生成器;

Step2:固定生成器,训练判别器;

      Step2:纳什均衡。

(3)样本图片生成过程

Step1:生成器输入随机噪声图A;

Step2:生成器卷积神经网络提取轮毂缺陷边缘特征,生成样本图;

Step3:判别器判别真实样本与生成样本,若辨别概率均为0.5,则输出样本,否之继续训练

Step4:样本库扩充。

想了解AI的,欢迎加博主微信(13142159848)与博主一起来探讨人工智能!!!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/223691.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号