Machine Learning - Generative Adversarial Networks

Machine Learning - Generative Adversarial Networks

LAVI

Generative Adversarial Networks

生成對抗網路是非監督式學習的一種方法,通過讓兩個神經網路相互博弈的方式進行學習。

小量真實資料產生大量的訓練資料


圖片來源

由一個生成網路與一個鑑別網路組成

  • 生成網路從潛在空間(latent space)中隨機取樣作為輸入,其輸出結果需要盡量模仿訓練集中的真實樣本
  • 判別網路的輸入則為真實樣本或生成網路的輸出,其目的是將生成網路的輸出從真實樣本中盡可能分辨出來
    生成網路要盡可能地欺騙判別網路
    兩個網路相互對抗、不斷調整參數,最終目的是使判別網路無法判斷生成網絡的輸出結果是否真實

Cycle GAN

不需要成對資料,只需要蒐集兩種不同類型的數據集,去學習數據域 A 和 B 的之間的關係,學習將輸入數據域 A 轉換為數據域 B


圖片來源

Reference

On this page
Machine Learning - Generative Adversarial Networks