我们能生成/创造我们的真实世界，才能说明我们是完完全全理解了它
David 9 要写一期生成对抗网络。
实在是因为,
第一：对抗网络最近太火了。第二: 生成模型太有意思了。让计算机自己去创造东西，不再是科幻！(有用过Prisma的朋友一定体验过)。没体验过的可以瞧瞧这篇文章：”关于Prisma：那些你知道的和不知道的”
生成模型通过训练大量数据, 学习自身模型, 最后通过自身模型产生逼近真实分布的模拟分布. 用这个宝贵的”分布”生成新的数据. 因此, 判别模型的目标是得到关于 y 的分布 P(y|X), 而生成模型的侧重是得到关于X分布 P(y, X) 或 P(x|y)P(y). 即, 判别模型的目标是给定一张图片, 请告诉我这是”长颈鹿”还是”斑马”, 而, 生成模型的目标是告诉你词语: “长颈鹿”, 请生成一张画有”长颈鹿”的图片吧~ 下面这张图片来自slideshare 可以说明问题:
所以, 生成模型可以从大量数据中生成你从未见过的, 但是符合条件的样本.
难怪, 我们可以调教神经网络, 让他的画风和梵高一样. 最后输入一张图片, 它会输出模拟梵高画风的这张图片的油画.
言归正传, 为啥对抗网络在生成模型中受到追捧 ? 生成对抗网络最近为啥这么火 , 到底好在哪里?
那就必须谈到生成对抗网络和一般生成模型的区别了. 继续阅读#9 生成对抗网络101 终极入门与通俗解析