深度学习深度学习(二十四)-gan网络介绍

折腾阿里云的PAI好长时间，确实蛮多坑的。主要是遇到问题，工单，反馈，再工单，这个排雷过程挺痛苦。而且之前刚刚好卡在一个上传脚本的问题，这个问题至少一周没有进展。不过，话又说回来，阿里云现在的关于机器学习的PAI提工单，还是会直接给AI专家的，所以可能也是福利吧，售后目前还是有的。所以，我决定先GAN吧，后面再补充怎么用PAI调试。

GAN是一个生成性网络，简单来说，他是一个可以自己主动创建内容的一个神经网络模型，我们先来看看他能做什么。

这是要给很有意思的例子，是一个TXT2PIC的应用，经过学习的机器，可以根据文字的描述，生成一只小鸟，注意这只小鸟是以前从来没有出现过的，是完全全新创建的。

第二个例子是iGAN一个艺术家的应用，类似于PIC2PIC的例子

在这个例子中，用户简单几笔线条，右边就会出现对应的图像，比如，山，草坪。

又例如这个：

一只简单的毛毛随笔画，就可以把猫猫补充完整。

还有这个应用也很有意思，是Facebook提供的一个有趣小东东：

他可以根据上传的任务头像，然后将这个人物头像转换成一个卡通的人物头像。

这个例子给我们展示了一个视频，是可以将一匹马，转换成斑马，很有意思。

GAN的应用还蛮多的，网上也可以找到，而且跟图像相关都很有意思。GAN是一个对抗生成网络，其实用到的都是之前神经网络的知识，只是在组网的时候使用了两个角色，一个是生成网络，用于创造出大量的假图像，另外一个判别网络，用于甄别是真图象还是假图像。两个网络同时训练，就像博弈论一样，他们共同成长，最后生成网络的生产出来的图像，判别网络识别不出来了，就达到了网络的平衡，那么生成网络也就训练好了。这就好比完一个警察和伪钞的游戏，一个无良的厂商，去自己印刷伪钞，二工商局警察，则需要不断的判别这些钞票是真钞还是假钞。一开始当然警察比较厉害，但是随着反馈越来越多，虽然警察也越来越厉害，但是伪钞却是造的越来越真，直到警察无法辨认出来。

当然，这里有两个网络，我们一旦训练好了以后，只取其中的生成网络，放弃判别网络，这就可以自己创造出各种图像。而另外一种应用是我们取训练好的判别网络，而放弃生成网络，这个就可以应用于半监督学习中去了。

好了，大致的GAN的应用场景和应用原理就描述到这里，下一篇文章，我们将重点描述GAN是如何组成这个“对抗”网络的。