深入学习的对抗网络怎么理解？
网友回复
生成对抗网络（GAN，Generative Adversatial Networks）是一种深度学习模型，近年来无监督学习上最具前景的方法之一。 模型主要通用框架有（至少）两个模块：生成模型（generative）和判别模型（Discriminative）的互相博弈学习产生的相当好的输出。 原始GAN理论中，并不要求G和D都是神经网络，但使用中一般均使用深度神经网络作为G和D。
所以GAN = （生成式模型 + 判别式模型）集两家之所长，生成对抗网络。Generative 生成式模型，Adversarial 对抗，相爱相杀的过程。
在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D，而D的目标就是尽量把真实图片和G生成的图片区别开来，这样G和D就构成了一个动态的博弈过程。理想状态下，G可以生成足以以假乱真的图片G（z）。对于D来说，它难以判定G生成的图片究竟是不是真实的，一次D（G（z）） = 0.5。
应用在
1、图像生成，目前GAN最常用的地方就是超分辨率任务，语义分割、图像风格化等等。
2、数据增强，例如还原老照片或老的视频，让其更清晰
by thinkfuture
我知道答案，我要回答
私活外包
最新提问
