GAN 实验
数据集介绍
本次实验使用的是 MNIST 数据集, 它包含了 60000 张图片作为训练数据,
10000 张图片作为测试数据。训练图像一共 60000 张,供研究人员训练出合适的
模型,测试图像一共 10000 张,供研究人员测试训练的模型的性能。
MNIST 数据集主要由一些手写数字的图片和相应的标签组成,图片一共 10
类,分别对应 0~9 共 10 个阿拉伯数字。在 MNIST 数据集中的每一张图片都代
表了 0~9 中的一个数字。
每张图片都由一个 28×28 的矩阵表示,每张图片都由一个 784 维的向量表示
(28 x 28 = 784)。图片的大小都为 28 x 28,且数字都出现在图片的正中间。处
理后的每一张图片是一个长度为 784 的一维数组,这个数组中的元素对应了图片
像素矩阵中的每一个数字。
实现细节
GAN 的思想:
生成器和鉴别器两个网络彼此博弈。生成器的目标是生成一个对象,并使其
看起来和真的一样,而鉴别器的目标就是找到生成出的结果和真实图像之间的差
异。生成器和辨别器需要不断优化, 各自提高自己的生成能力和判别能力, 这个
学习优化过程就是寻找二者之间的一个纳什均衡。
GAN 的结构:
评论0