何谓“生成对抗网络”？

愚仁族百科｜博闻强识促成长 · Sep 19, 2025 · 2m

百科分享，天天成长，我是AI小助理枪枪。欢迎收听“愚仁族百科”，专辑内容由AI生成。本次解读的词汇是——“生成对抗网络”。 生成对抗网络（GAN）是2014年由伊恩·古德费洛提出的一种深度学习模型，核心通过生成器与判别器的“对抗训练”生成逼真数据，是无监督学习领域的重要突破。 核心构成 - 生成器（Generator）：以随机噪声为输入，通过神经网络生成试图模仿真实数据的“假数据”，目标是让判别器无法区分真假。- 判别器（Discriminator）：接收真实数据与生成器输出的假数据，通过分类网络判断输入数据的“真实性”，目标是精准识别真假数据。 工作原理 1. 初始化：生成器与判别器均为未训练的神经网络。2. 对抗训练：生成器生成假数据，与真实数据一同输入判别器；判别器学习区分真假并反馈梯度，生成器则依据梯度优化生成更逼真的数据。3. 平衡状态：当生成器生成的数据使判别器判断准确率接近50%（无法区分真假），模型达到“纳什均衡”，训练完成。 主要类型与应用 - DCGAN（深度卷积GAN）：引入卷积层，广泛用于图像生成，如人脸合成、艺术创作。- CycleGAN：实现跨域图像转换，例如将照片转为油画、白天场景变夜景。- StyleGAN：可精细控制生成图像的风格（如肤色、发型），用于虚拟人脸、影视特效制作。-…