生成性对抗网络

生成模型被训练以生成与他们训练的数据类似的更多数据，并且训练对抗模型以通过提供对抗性示例来区分真实数据和假数据。

生成性对抗网络（ GAN ）结合了两种模型的特征。 GAN 有两个组成部分：

• 学习如何生成类似数据的生成模型
• 一种判别模型，用于学习如何区分真实数据和生成数据（来自生成模型）

GAN 已成功应用于各种复杂问题，例如：

• 从低分辨率图像生成照片般逼真的分辨率图像
• 合成文本中的图像
• 风格转移
• 完成不完整的图像和视频

在本章中，我们将学习以下主题，以学习如何在 TensorFlow 和 Keras 中实现 GAN：

• 生成性对抗网络
• TensorFlow 中的简单 GAN
• Keras 的简单 GAN
• 具有 TensorFlow 和 Keras 的深度卷积 GAN