- Принцип работы генеративных сетей
- Особенности обучения GAN
- Сходимость GAN
- Как оценить результат GAN
- Какие архитектуры могут быть в генераторе и дискриминаторе
- Пример генерации рукописных цифр
Генеративные нейронные сети предназначены для создания новых реалистичных объектов из случайного распределения (шума).
Архитектура состоит из двух нейронных сетей:
1. Генератор (Gen) набора числовых массивов размерности соответствующей размерности реальных объектов, получающий на вход случайные числа из заданного распределения P(Z).
2. Дискриминатор (Dis) – классификатор реальных и сгенерированных объектов – необходим на этапе обучения сети. Генератор учится генерировать объекты, похожие на реальные. Дискриминатор учится отличать сгенерированные объекты от реальных. В этом заключается принцип состязательности.
Генераторная сеть с условием
Литература
https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html Сетка для генерации на Pytorch