1. 写在前面
今天完成了生成对抗网络GAN的学习,从基本原理到数学公式,从对GAN的一知半解到了解了全貌,感觉还是收获颇多,所以趁着学习的GAN在脑海中逗留的一刻,赶紧进行总结和整理。 这样能使学习到的知识逗留的更长久一些吧。
对世界理解的最高境界就是能创造世界,作为生成模型的两座大山之一,生成式对抗网络(Generative Adversial Networks)自从问世以来就颇受瞩目。相对于变分自编码器,生成式对抗网络也可以学习图像的潜在空间表征,它可以生成与真实图像再统计上几乎无法区分的合成图像,并且现在应用之处很多,图像生成,视频预测,图片超精度转换,图图变换等都会发现GAN的身影。所以了解GAN的工作原理是非常有必要的,而今天,就一点点的剖析一下这个伟大地思想 — 生成对抗
今天的这篇文章,我想从白话和数学推导两方面进行GAN工作原理的描述,因为GAN毕竟作为生成模型的大山,肯定少不了数学公式的陪伴,但是如果单纯的讲数学公式,那么这篇文章就变得没意思了,所以数学公式固然重要,因为是理论的核心,但数学公式之前,白话一下背后的思想也挺重要的,因为这样,后面的数学公式理解才会理所当然。