[机器学习入门] 李宏毅机器学习笔记-20 （Deep Generative Model-part 3：深度生成模型-part 3）

上接part 2，VAE从来没有去学习产生一张看起来能以假乱真的image，它所学到的是：它想要产生一张image，跟database的image越接近越好。它不知道的是，我们在衡量它产生的image和database种image的相似度的时候，假设两个image有一个像素不一样，从图中可以看出，这个像素落在不同的位置差别很大，但对VAE看来，这两张image是效果同样的。
VAE是模仿，而不是去产生新的image。

Generative Adversarial Network (GAN)

Yann LeCun’s comment，评价很高。

这里写图片描述

GAN的概念，有点像拟态的演化。

这里写图片描述

The evolution of generation，Generator演化（蝴蝶），Discriminator也跟着演化（天敌）。
需要注意的是，generator从来没有看过真正的image，它要做的就是努力骗过看过真正image的discriminator。所以generator才能产生出database中没过的image。

这里写图片描述

GAN - Discriminator

这里写图片描述

GAN - Generator

注意，Fix the discriminator，然后去调generator的参数。

这里写图片描述

GAN – Toy Example

这里写图片描述

Moving on the code space

先随机sample五个vector，然后向该方向moving，会发生很神奇的事情，比如窗变成电视，电视变成窗户。

这里写图片描述

Moving on the code space

这里写图片描述