生成对抗网络如何工作?


12

我正在阅读有关生成对抗网络(GAN)的信息,对此我有些怀疑。到目前为止,我了解到,在GAN中,有两种不同类型的神经网络:一种是生成型(G),另一种是判别型(D)。生成神经网络生成一些数据,这些数据由判别神经网络判断正确性。GAN通过将损失函数传递给两个网络来学习。

区分性(D)神经网络最初如何知道G生成的数据是否正确?我们是否必须先训练D然后将其与G一起添加到GAN中?

让我们考虑我训练有素的D网,它可以将图片分类的准确率达到90%。如果我们将此D网添加到GAN,则有10%的概率会将图像分类为错误。如果我们用这个D网络训练GAN,那么在分类图像时,它也会有同样的10%错误吗?如果是,那么GAN为何显示出令人满意的结果?

Answers:


4

比较生成的数据和真实数据

从定义上来说,即使对于一个非常好的生成器,G产生的所有结果也总是被认为是“错误的”。

DG

DG


2

D

DGDD

就是说,使用这种情况可能是提高神经网络分类能力的一种很好的“无监督”方法,因为它迫使生成器模型学习更好的真实数据特征,并学会如何使用传统的监督学习方案所需的数据要少得多。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.