生动讲解21世纪最强大的深度学习算法之一：GAN（21世纪最重要的学科是什么）

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例子示例 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！

WorkingGAN 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。