GAN面试题及详细答案.docxVIP

GAN面试题及详细答案

一、基础概念题（入门必问，考察核心认知）

1.请用通俗的语言解释什么是GAN？它的核心思想是什么？

答案：通俗来讲，GAN就是“两个模型的对抗游戏”——一个生成器（Generator），一个判别器（Discriminator），两者对立训练、互相提升。生成器的目标是“造假”，尽量生成和真实数据（比如图片、文本）一模一样的样本，骗过分判别器；判别器的目标是“辨假”，准确区分输入的样本是真实数据还是生成器造的假数据。

核心思想：通过“对抗”替代传统生成模型的“概率建模”，让生成器和判别器在动态博弈中不断优化（生成器越来越会造假，判别器越来越会辨假），最终达到一个平衡状态——生成器生成的样本足够逼真，判别器无法区分（判别概率接近50%），此时生成器就可以输出高质量的生成样本。

关键点：不需要对真实数据的分布做显式假设，完全通过对抗过程自适应学习，这也是它和传统生成模型（如VAE）最大的区别之一。

2.GAN的生成器和判别器，通常分别用什么网络结构实现？为什么？

答案：核心选型围绕“任务场景”，最常用的是卷积神经网络（CNN），部分文本场景会用循环神经网络（RNN/LSTM/Transformer）。

1.生成器（G）：核心是“从低维噪声生成高维真实样本”，所以常用反卷积（转置卷积）结构（或PixelShuffle等上采样方式）。反卷积可以将低维特征图逐步放