当前位置:网站首页>《Generative Adversarial Networks》
《Generative Adversarial Networks》
2022-08-11 05:35:00 【KPer_Yang】
目录
参考资料
Generative Adversarial Nets (nips.cc)
[github.com](https://github.com/mli/paper-reading)
主要的工作:
1、无监督学习,不需要使用标号数据;
2、使用监督学习的损失函数;
3、生成对抗的思想和网络架构;
模型和算法
论文的模型使用函数描述的方式给出:
D(x)指的是判别模型;G(z)指的是生成模型;模型的含义是指使得V(D,G)最大的D(x),再使得V(D,G)最小的G(x),一种不断迭代更新生成和判别的算法计算方式。算法如图1所示:
算法的主要流程:
'''
epoch次数迭代:
(1)更新判别器(迭代k步):
a. 从噪声分布中采样m个样本-minibatch;
b.从数据生成分布中中采样m个样本-minbatch;
c.根据随机梯度更新判别器;
(2)更新生成器:
a.从噪声分布中采样m个样本-minibatch;
b.根据随机梯度更新生成器;
end epoch
'''
算法的流程的形象表示如图2所示:图中绿色指的是生成样本;黑色点指的是真实样本;蓝色虚线指的是判别器;
理论证明
相关的数学公式
计算期望:
计算KL散度:
证明过程
证明的过程比较简单,只需要两三步:
(1)最优的判别器满足:
(2)取得生成器最优时就是V(D,G)的判别器最优时的导数等于0(形象的理解就是生成器和判别器旗鼓相当,当判别器最优时的生成器才能取得最优):
边栏推荐
猜你喜欢
Eight-legged text jvm
Concurrent programming in eight-part essay
HCIA实验
CLUSTER DAY02( Keepalived热备 、 Keepalived+LVS 、 HAProxy服务器 )
MySQl进阶之索引结构
The ramdisk practice 1: the root file system integrated into the kernel
OA项目之待开会议&历史会议&所有会议
HCIP MGRE\OSPF综合实验
什么是Inductive learning和Transductive learning
detectron2,手把手教你训练mask_rcnn
随机推荐
ETCD Single-Node Fault Emergency Recovery
快速了解集成学习
MoreFileRename批量文件改名工具
HCIP Republish/Routing Policy Experiment
智能合约 ——— app评分合约
My approval of OA project (inquiry & meeting signature)
SECURITY DAY01(监控概述 、 Zabbix基础 、 Zabbix监控服 )
什么是Inductive learning和Transductive learning
查看CPU和其他硬件温度的软件
HCIP BGP built adjacent experiment
HCIP--交换基础
Solve win10 installed portal v13 / v15 asked repeatedly to restart problem.
ansible批量安装zabbix-agent
detectron2,手把手教你训练mask_rcnn
Eight-legged text of mysql
阿里巴巴规范之POJO类中布尔类型的变量都不要加is前缀详解
HCIP-生成树(802.1D ,标准生成树/802.1W : RSTP 快速生成树/802.1S : MST 多生成树)
Local yum source build
HCIP BGP建邻实验
推荐一个好用的IDEA插件---Translation—中英互译