李宏毅——GAN

李宏毅——GAN

李宏毅——GAN

• GAN的类型
• • 标准GAN
  • 条件GAN
  • unsupervised conditional gan

GAN的类型

标准GAN

基本的GAN：
以二次元任务为例，输入vector，输出高纬度的vector

在训练的过程中，不仅有generator，还有discriminator，判断生成的东西是不是真的。
算法：
第一步，固定G，训练D。

第二步：固定D，训练G。


但是GAN是很难训练的

后来提出了W-gan improved wgan

条件GAN

例子：文字到图片
在传统的监督学习中，表现不好，可能会产生正确图片的平均

所以用conditional GAN

D要同时看c和图片，看是否match，看是否真实

负样本不仅有差的图片，还有好图片和文字不匹配的情况。
例子：声音到图片


例子：图片到label

unsupervised conditional gan

最常用于风格的转化
** Cycle GAN**

generator倾向于生成同一个Y，不考虑输入
所以要加上一个Gy->x


还可以用在语音上面，文字上面

但是直接用来做文字的话，有个问题，输出的是desecrate的，不能微分，不好backpropagation

解决方法参考下面的文献。

例子：文字风格转换


并没有什么用系列，哈哈哈
例子：语音识别
现在的做法通常是监督学习，所以希望做到无监督学习

类似风格转换的思想