专栏名称: CSDN
CSDN精彩内容每日推荐。我们关注IT产品研发背后的那些人、技术和故事。
目录
相关文章推荐
新浪科技  ·  【#苹果承认个性化Siri仍需打磨##iOS ... ·  9 小时前  
新浪科技  ·  【#iOS26改用隐藏式底部小横条#】在目前 ... ·  9 小时前  
36氪  ·  苏超背后的老板们 ·  昨天  
新浪科技  ·  【#阿维塔总裁陈卓表示原创设计很难# ... ·  2 天前  
新浪科技  ·  【#当智搜写高考作文#】2025年高考作文题 ... ·  2 天前  
51好读  ›  专栏  ›  CSDN

火热的生成对抗网络(GAN),你究竟好在哪里

CSDN  · 公众号  · 科技媒体  · 2017-02-27 11:26

正文

请到「今天看啥」查看全文


图2 Image to image图像翻译


仔细想来,这些任务,其实都是传统的深度神经网络可以做的,例如自编码器(AutoEncodor)和卷积反卷积架构可以做到的,我们不禁要想,GAN相比传统的深度神经网络,它的优势在哪里?前段时间,我也一直比较迷惑,中文能查到的资料,就是Ian Goodfellow在 生成对抗网络(GAN) 论文最后总结的几点,如下:

优点

  • 模型只用到了反向传播,而不需要马尔科夫链;

  • 训练时不需要对隐变量做推断;

  • 理论上,只要是可微分函数都可以用于构建D和G,因为能够与深度神经网络结合做深度生成式模型;

  • G的参数更新不是直接来自数据样本,而是使用来自D的反向传播(这也是与传统方法相比差别最大的一条吧)。

缺点

  • 可解释性差,生成模型的分布 Pg(G)没有显式的表达。

  • 比较难训练,D与G之间需要很好的同步,例如D更新k次而G更新一次。

上面只是一个比较简单的解释,很幸运,我在Quora上查到了两个类似问题, GAN与其他生成模型相比有什么优势 ,这个问题只有一个人回答,很幸运的是,他就是Ian Goodfellow,GAN的发明人,他在Quora上的签名就是“I invented generative adversarial networks”。而另一个问题是 GANs的优缺点是什么? 良心大神Goodfellow也做了回答。我把他的两个回答翻译如下:







请到「今天看啥」查看全文