生成对抗网络(GAN)

生成对抗网络(GAN)

文章目录

​​前言​​​​GAN的原理简介​​​​用GAN生成动漫头像​​​​用GAN生成花​​

前言

生成对抗网络（Generative Adversarial Net, GAN）是近年来深度学习中十分热门的方向。本文将简要介绍GAN的基本原理，并带领读者实现一个简单的生成对抗网络，用以生成动漫人物的头像。

GAN的原理简介

GAN的开山之作是被称为“GAN之父”的Ian Goodfellow发表于2014年的经典论文Generative Adversarial Networks,在这篇论文中他提出了生成对抗网络，并设计了第一个GAN实验——手写数字生成。

如果深度学习不能创造图片，那么它也没有真正地理解图片。GAN从生成学习角度展示了神经网络的强大能力。GAN解决了非监督学习中的著名问题：给定一批样本，训练一个系统能够生成类似的新样本。

生成对抗网络的网络结构如下图所示，主要包含以下两个子网络。

生成器（generator）：输入一个随机噪声，生成一张图片。判别器（discriminator）：判断输入的图片是真图片还是假图片。

生成器的目标是尽可能地生成以假乱真的图片，让判别器以为这是真的图片；判别器的目标是将生成器生成的图片和真实世界的图片区分开。可以看出这二者的目标相反，在训练过程中互相对抗，这也是它被称为生成对抗网络的原因。

用GAN生成动漫头像

本节将用GAN实现一个生成动漫人物头像的例子。在日本的技术博客网站上由个博主，利用DCGAN从20万张动漫头像中学习，最终能够利用程序自动生成动漫头像。

参考：​​链接: 提取码: sdup

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。