GAN（4）李宏毅——理论

目录

 

1：找出图像的分布规律——生成器

1.1：之前的方法——最大似然估计

产生的图片非常非常模糊——这是由于高斯分布本身的表达能力有限

1.2：genorator网络，看做是概率分布——表达能力更高，判别器，看做KL优化

---

1：找出图像的分布规律——生成器

1.1：之前的方法——最大似然估计

用Pdata的取样，调整PG的参数，让PG接近Pdata。

只考虑P(D | h)就是最大似然估计，即便一个猜测与数据非常符合，也并不代表这个猜测就是更好的猜测，因为这个猜测本身的可能性P(h)也许就非常低

产生的图片非常非常模糊——这是由于高斯分布本身的表达能力有限

1.2：genorator网络，看做是概率分布——表达能力更高，判别器，看做KL优化

把D训练到最好，输出的loss就是判断两个分布之间的差异

2：算法

判别器是在测量差异，生成器是在减少差异

如果生成器训练太多次，判别器就很难去测量差异

加快生成器的训练

直观上看起来就是这样