从本质上讲,GAN是一个从数据角度出发拟合数据的模型。 由一个生成器和一个判别器构成,通过对抗学习的方式来训练,目的是估测数据样本的潜在分布并生成新的数据样本。 目前的研究热点主要还是集中在图像生成这些方面。
它也有自己的不足之处,比如说,(1)可解释性差,生成模型的分布 Pg(G)并没有显式的表达。(2)比较难训练。 总结来说,GAN有它自己的适用场景,当然不是万能的!
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。