章节大纲
- 01
生成器与判别器构成的二人极小极大博弈
- 02
原始 GAN 目标与 Jensen–Shannon 散度联系
- 03
交替优化及生成器梯度饱和问题
- 04
模式崩溃、训练振荡和评价困难
- 05
Wasserstein 目标与 Lipschitz 约束
- 06
用固定噪声、分布指标和样本审计训练
CONCEPT OUTLINE / generative-adversarial-networks
让生成器与判别器进行极小极大博弈,以隐式方式逼近数据分布。
生成器与判别器构成的二人极小极大博弈
原始 GAN 目标与 Jensen–Shannon 散度联系
交替优化及生成器梯度饱和问题
模式崩溃、训练振荡和评价困难
Wasserstein 目标与 Lipschitz 约束
用固定噪声、分布指标和样本审计训练