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