P59 生成式对抗网络GAN-理论介绍 Theory behind GAN

Object

Normal Distribution 的数据 经过 Generator 后生成分布更加复杂的PG.
真实数据的分布为 Pdata , 希望 PG和Pdata 越近越好
LOSS 是 两者之间的分布距离
在这里插入图片描述
问题: 如何计算 divergence?

Sampling is goog enough

在这里插入图片描述

Discriminator

希望V越大越好
y~Pdata 代表从 Pdata里面采样y
当做二分类, 损失函数等价于 minimize cross entropy
max V 与 JS divergence 相关
在这里插入图片描述
在这里插入图片描述

  • 目标函数小结

MAX V 与 divergence 有关,替换

相关推荐

  1. GAN 生成对抗网络介绍

    2024-01-07 10:52:04       42 阅读
  2. 生成对抗网络GAN

    2024-01-07 10:52:04       30 阅读

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-01-07 10:52:04       91 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-01-07 10:52:04       97 阅读
  3. 在Django里面运行非项目文件

    2024-01-07 10:52:04       78 阅读
  4. Python语言-面向对象

    2024-01-07 10:52:04       88 阅读

热门阅读

  1. Spring Boot + JWT = 安全无忧的RESTful API

    2024-01-07 10:52:04       50 阅读
  2. H5语言-什么是超链接

    2024-01-07 10:52:04       62 阅读
  3. SQL Error 1366, SQLState HY000

    2024-01-07 10:52:04       56 阅读
  4. 最简单的设计模式是单例?

    2024-01-07 10:52:04       45 阅读
  5. Cartographer中的2D扫描匹配算法

    2024-01-07 10:52:04       60 阅读
  6. js实现走马灯效果

    2024-01-07 10:52:04       59 阅读
  7. js创建服务器,以及对接口的理解和创建

    2024-01-07 10:52:04       47 阅读
  8. uView Subsection 分段器

    2024-01-07 10:52:04       53 阅读
  9. 手绘丙稀颜料调色方法及颜料调色表

    2024-01-07 10:52:04       51 阅读