GAN全称是Generative Adversarial Nets,中文叫做“生成对抗网络”。在GAN中有2个网络,一个网络用于生成数据,叫做“生成器”。另一个网络用于判别生成数据是否接近于真实,叫做“判别器”。 下图展示了最简单的GAN的结构以及工作原理。


D从真数据中学习好的经验,从G生成假数据中学到辨假的经验,相比较传统模型加入假数据,基于G不那么容易训练,相当于样本扩大,因此能提高D的表现水平。

D已经良好,开始讲之前两批数据的经验传送给G,教G如何造假

共同进步,G造假水平提高,D识别能力提高,相互影响,形成双赢局面。

均衡后停止循环
网友评论