在人工智能的深度学习中，算法是核心。GAN(生成对抗网络)，作为一个神奇的也是最强大的深度学习算法之一，其发明的过程非常有意思，而效果却是想象不到的有效。本文深入浅出为您讲解GAN。
是谁发明了GAN?效果如何?
2014年的一个晚上，伊恩-古德费洛与几个朋友出去庆祝，当时他们要求他协助完成一个项目，即计算机可以自行生成图像。
他在思考了一段时间后发明了一个想法。如果将两个神经网络对立起来会怎样?他的同伴们很怀疑，所以他决定回家后试一试。古德费罗几个小时，然后测试了他的软件。从第一次尝试就获得了成功。
那天晚上，他构建了现在被称为GAN的东西，即
"生成对抗网络"。该算法在深度学习领域引起了极大的兴趣，因为这个算法，伊恩已经成为一个人工智能的超级明星。
介绍
GAN 或生成对抗网络是一种基于深度学习的生成建模方法。
生成式建模是一项无监督的机器学习任务，需要自动检测和学习传入数据中的模式，以便该模型可用于生成与原始数据无法区分的新假副本。
你肯定已经知道 GAN 的应用，因为它们在年轻人中很受欢迎。
示例 1
生成新数据：GAN 能够在没有足够的数据开始时生成新数据。“这个人不存在”是一个网站，它生成的人脸是假的，但你感觉不到，因为它们太逼真了。
示例 2
通过实时绘画生成图像：NVIDIA Canvas 是一个绘画程序，它使用人工智能从简单的笔触创建风景图像。
示例 3
将现实生活中的图像转换为艺术：使用 GAN，您可以教您的计算机将您选择的照片转换为狗、涂鸦、辛普森，反之亦然!
GAN如何工作?
GAN 由卷积神经网络 (CNN)组成。它是人工智能的一个分支，是一种用于图像识别和处理的人工神经网络，专门用于处理像素数据。
GAN 算法由 2 个相互竞争的神经网络组成：一个生成器和一个鉴别器。GAN 的工作是一个涉及造假者和调查员的游戏，他们在其中相互竞争(这由 GAN 中的
A 描述，它代表对抗性，意思是反对)。造假者是我们的制造者，调查者是我们的鉴别者。
鉴别器的工作是识别给定的数据是真实的还是人造的。因此，它只是一个二进制分类器，输出 1 为真，0 为假。
生成器的工作要困难得多。它使用随机向量并尝试重新生成看起来像输入(真实)数据的数据。
这是一场零和游戏，这意味着总是有赢家，也总是有输家。生成器制作一个伪造的副本来欺骗鉴别器。如果鉴别器无法区分生成器的真实输入和虚假输入，则生成器获胜并且不会对其算法进行任何更改。而自从鉴别器丢失后，它会自行更改其算法。这就是为什么这个
GAN 被称为无监督机器学习任务的原因。
显然，生成器算法更难训练，因为它需要处理数千个像素，而鉴别器只需给出输出是真还是假的最终判断。
作者：Challey
EET电子工程专辑原创
江波龙FORESEE XP2100 PCIe 4.0 X4 NVME SSD 1TB
评测任务：
1、 收到产品之日起，在指定日期内，必须完成（以下2选1）：
（1）1篇图文评测
（2）3-5分钟视频作品介绍
2、评测发布在面包板社区。评测作品标题，请按照格式 【江波龙FORESEE XP2100】+自拟标题
3、请严格按照申请时提交的“评测计划”提交评测报告，禁止简单的开箱、上电、等简单的评测报告。
奖励：
完成评测后，江波龙赠送256GB移动硬盘
扫码免费申请
