對抗生成網絡GANs的一些見解(一)

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