繼續開一個GAN的專題:主要分以下幾個闆塊
1.GAN
2.DCGAN
3.WasserteinGAN
4.cGAN(GAN+監督學習)SGAN/ACGAN(GAN+半監督學習)InfoGAN(GAN+無監督性學習)
5.StackGAN(文本到高品質圖檔)
6.iGAN(圖像到圖像) Pix2Pix(比對資料圖像轉換) CycleGAN(非比對資料轉換) StarGAN(多領域圖像轉換)
7.GAN應用:圖像去模糊、人臉生成、音頻生成;GAN與藝術:AI創造藝術/AI輔助式設計
8. 未來研究熱點
一、前言
1999, DeepBlue擊敗卡斯帕羅夫。
2006,浪潮天梭擊敗中國象棋大師隊。
2016,Alphago擊敗圍棋九段李世石。
Ian Goodfellow發明GAN。與GAN相關的論文的數量也迎來了井噴式上升。
截止2018年12月GAN最全論文合集,在上學期一門課上也是自己寫了簡單的GAN作業代碼。
簡而言之,GAN分為兩個網絡,一部分是Generator生成器,作用是根據噪聲生成資料,結構一般是一個反向傳播神經網絡,另一部分是Discriminator來識别資料來源是生成器生成的資料和真實資料,他需要分别出真實的資料來源或者是生成的資料來源。
二、預備知識及工具
1.Python語言:可參考[py文法]非計算機專業的同學如何半個小時搞懂py3的文法,這個僅作為快速的一種學習。
2.Jupyter編譯器:這裡推薦Jupyter作為實驗的編譯器,相關環境配置win10+Anaconda3+tensorflow(gpu)+cuda9.0+cudnn7.1+ide(sublime)+好用的科學工具包配置。
3.Tensorflow:關注專欄:實戰Google深度學習架構:TensorFlow,主要使用的是tf。
4.Keras:關注專欄:Python深度學習——Deeplearning with Python,主要使用的是keras。
5.Floyd:《生成對抗網絡GAN入門指南》書上推薦使用Floyd