2026《GAN网络工作机理概述》1600字.docxVIP

PAGE

PAGE3

GAN网络工作机理概述

生成对抗网络由生成器（G）和判别器（D）两个部分组成，

其网络结构如图2-1所示。生成器G一般由参数化的神经网络实现，输入一个服从某一分布（一般是高斯分布）的随机向量z，经处理后输出一个图像，生成的结果可以看作采样于另一分布的一个样本。生成对抗网络的训练过程等效一个极小极大博弈问题[4]，就是将生成模型所输出的结果与通过索引从数据集中获取的真实图片一同输入判别模型D，让D判别输入的数据来自哪个样本，提升D的判别正确率，然后优化生成模型G，使D的判别准确率最小，通过反复交替训练，同时提升生成器的生成效果与判别器的判别精度，最终达成纳什均衡状态[5]，此时D无法判断其输入来自生成的样本还是真实的图片，当达成这一结果时，就可以认为G掌握了真实数据的分布规律。

图2-1GAN网络结构示意图

在初始的生成对抗模型中，生成网络是一个5层的简单前馈神经网络，其中包含输出层，输入层和3个隐藏层，如表2-1所示

层序号

层名称

配置

1

输入层

input_shape=(batch_size,100),

output_shape=(batch_size,100)

2

全连接层

neturons=500,input_shape(batch_size,100)

output_shape=(batch_size,500)