写在前面
这篇博客主要记录一下自己对GANs模型的一些见解,并会慢慢补充。
- GANs的发展历程
1.DCGANs
2.ImprovedDCGANs
3.ConditionalGANs
4.InfoGANs
5.WassersteinGANs
6.ImprovedWGANs
7.BEGANs
8.ProGANs
9.CycleGANs
1. 自己的PPT
- 先回顾了一下VAE模型,在引出GANs模型
- 这里看一下生成模型的框架
- 从一个段子说起,来通俗的理解GANs的博弈过程,参考原著,略带浮夸:
说的是假币贩卖商和警察的故事,假币贩卖商希望自己做的假币越来越逼真以至于能蒙蔽警察的双眼,警察希望自己辨别假币的能力越来越强,无论再真的假币都能看出来,于是,双方开始博弈,最终达到平衡。两者都达到了极限状态:55开(不是lbw)。这时假币贩卖商制作的假币相当逼真(生成器),警察稍不留神就被骗了(判别器)。
- 这时原著指出训练时遇到的问题,源自函数的特性。
- 由于训练的大部分信息都来自判别器,所以判别器要进行k-steps(这时当时的理解)。为了更加深入的学习GANs,要学习WGANs是如何工作的。后面工作会写。
Trick
Learn More
- 下面是附录
参考文献
1.斯坦福大学李飞飞课程
2.GANs原著