文章目录
- GAN网络简介
- 测试判别器和测试生成器
- 测试判别器
- 测试生成器
- 首次生成图片（效果欠佳）
- 生成图片（比较清晰，但还有差距）
- 生成图片（继续优化，输入扩维）
- 生成图片（继续优化，）
GAN网络简介
生成对抗网络（GAN，Generative Adversarial Networks）是一种深度学习模型，由 Ian Goodfellow 和他的同事在 2014 年首次提出。GAN 是一种非常强大和独特的神经网络架构，用于生成新的、与训练数据相似的数据样本。它在图像生成、艺术创作、音频生成和其他领域取得了显著的成果。
GAN 的核心概念基于两个相互竞争的神经网络：
-
生成器（Generator）：
- 任务是生成看起来真实的数据。它接收随机噪声作为输入，并产生与
![50 个具有挑战性的概率问题 [04/50]：尝试直至首次成功](http://pic.xiahunao.cn/50 个具有挑战性的概率问题 [04/50]：尝试直至首次成功)
