寫在前面
這篇博客主要記錄一下自己對GANs模型的一些見解,並會慢慢補充。
- GANs的發展歷程
1.DCGANs
2.ImprovedDCGANs
3.ConditionalGANs
4.InfoGANs
5.WassersteinGANs
6.ImprovedWGANs
7.BEGANs
8.ProGANs
9.CycleGANs
1. 自己的PPT
- 先回顧了一下VAE模型,在引出GANs模型
- 這裏看一下生成模型的框架
- 從一個段子說起,來通俗的理解GANs的博弈過程,參考原著,略帶浮誇:
說的是假幣販賣商和警察的故事,假幣販賣商希望自己做的假幣越來越逼真以至於能矇蔽警察的雙眼,警察希望自己辨別假幣的能力越來越強,無論再真的假幣都能看出來,於是,雙方開始博弈,最終達到平衡。兩者都達到了極限狀態:55開(不是lbw)。這時假幣販賣商製作的假幣相當逼真(生成器),警察稍不留神就被騙了(判別器)。
- 這時原著指出訓練時遇到的問題,源自函數的特性。
- 由於訓練的大部分信息都來自判別器,所以判別器要進行k-steps(這時當時的理解)。爲了更加深入的學習GANs,要學習WGANs是如何工作的。後面工作會寫。
Trick
Learn More
- 下面是附錄
參考文獻
1.斯坦福大學李飛飛課程
2.GANs原著