GAN_李弘毅講解：

上式中，xⁱ從data中sample的一部分，現在的目的就是最大化這個似然函數，使得Generator最可能產生data中的這些sample；

上式中之所以如此設計V函數，是為了后面與KL以及cross entropy結合起來；

問題一：上圖存在的一個問題：G迭代的過多造成G1下的D*得到的兩種數據的分布差異更大了；

?

使用優化在前期的話由于梯度較小，學習較慢，所以改為了下面那種形式；

問題二：由于采用JSD距離，可以發現當data與G產生的數據沒有重疊時，兩者的距離始終為log2，當兩者離得更近時依然如此，這樣子當train的時候Loss不變就沒有動力進行訓練；下面有一種改善方法：

如上所示：加入噪聲，使得兩個分布之間有overlap，使得可以產生JSD進行訓練，同時保證Loss隨著訓練不斷下降；

問題三：G產生的數據與data之間形成了一種“貓捉老鼠“的游戲，下圖是一種解決方式，暫時還沒看懂；

GAN的一些發展：

轉載于:https://www.cnblogs.com/zf-blog/p/10508847.html

總結

以上是生活随笔為你收集整理的GAN_李弘毅讲解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。