本文內容將著重分析當前gan原理及其應用場景，比對其相對於傳統深度學習方法在影象生成等方面的區別
原始gan**中的思想為生成模型與判別模型間的零和博弈，通過對抗式的訓練，
生成模型g捕捉樣本資料的資料分布，判別模型則是乙個二分類模型
，估計乙個樣本來自訓練資料（而非生成資料）的概率。g和d一般都是非線性對映函式，如
多層感知器（樸素gan）/卷積神經網（dcgan）
等。 訓練過程中gan網路中的生成器模型g的目標就是生成看上去盡量真實的資料去欺騙判別器d，而d作為乙個二分類模型，目標為判斷輸入的資料是否「真實」，對於其認為的」真實「的資料輸出值會盡量接近1，反之資料逼近於0，代表認為不可能是真實，由此形成一種動態博弈過程。博弈的理想結果為，在判別器已經很強大的情況下，仍然無法分辨來自生成器模型的資料是否是真實的，即此時的d(g(z))=0.5.此時便得到了訓練結果：生成模型g，
輸入相應的量便能根據g捕獲的資料分布實現相應資料的生成。
2.1gan框架有著很多的
優點：
①
gan能訓練任何一種生成器網路，不需要設計遵循任何種類的因式分解模型；
②
任意的生成網路（g）和鑑別網路（d）都會有用（只要網路可微分）,gan只需要反向傳播而不需要利用馬爾科夫鏈反覆取樣(
傳統生成模型必備)；
③
通過引入內部對抗訓練機制，無需在學習過程中進行推斷，迴避了近似棘手的概率問題，可以逼近一些不是很容易計算的目標函式
④生成器模型g的引數更新不來自於資料樣本本身（不是對資料的似然性進行優化),而是來自模型d的乙個反傳梯度）
2.2gan框架的主要
缺點：
①可解釋性差，生成模型最終捕獲的資料分布pg(d)沒有顯示的表達，只是乙個黑盒子一樣的對映函式，輸入是乙個隨機變數，輸出是需要的資料分布。
②
網路在訓練過程中
很難收斂
，由於要平衡兩個模型g和d的最優化，因此很容易陷入區域性最優導致模型崩潰。
三、gan應用
目前gan主要的應用方向有
：影象增強
，影象變換
，影象生成
，核心技術仍然是利用gan對訓練
資料分布的捕獲能力
，如超解析度影象的資料分布特點、語義分割圖的資料分布特點，彩色的資料分布特點、藝術風格的資料分布特點等。
資料分布的捕獲結果體現在生成模型g內。
總結：以上應用都是利用了gan對目標資料的資料分布特點捕獲的能力
(個人認為也是gan能實現資料生成最強大的地方)
四、傳統cnn實現藝術風格轉換 vs gan框架實現藝術風格轉換
4.1 a neural algorithm of artistic style
最早使用深度學習中的cnn框架進行藝術風格轉換，利用cnn中逐級的
卷積層
實現對style風格圖和content底圖的
區域性/全域性紋理特徵進行提取
，再利用設計好的損失函式進行全域性優化，調整雜訊圖內容使得其在vgg網路對應卷積層的特徵輸出同時逼近藝術風格圖和內容圖。每進行一次反向傳播，都使得原雜訊圖得到微調，逐步逼近最終的效果圖。
其主要的
缺點
無法滿足實時性
優點
在於，藝術風格的遷移訓練
僅僅需要兩張
，不需要海量的資料。
4.2 perceptual losses for real-time style transfer and super-resolution
基於gan框架的前向藝術風格生成模型：將傳統的
求解全域性最優解問題轉換成用前向網路逼近最優解，原版的方法每次要將一幅內容圖進行風格轉換，就要進行不斷的迭代，而這篇的方法是先將其進行訓練，訓練得到
前向生成網路
，以後再來一張內容圖，直接輸入到網路中，即得到了具有預先訓練的風格內容圖。
這種基於gan的無監督學習訓練方法，只需要一張對應的風格圖及一批不同內容的content圖，充分利用了離線訓練的情況下海量的無標籤資料，通過生成式對抗網路對資料分布的捕獲能力，獲取藝術風格紋理分布特點。
五、gan框架運用思路整理及疑問
結合gan框架對於任意生成網路與判別網路的相容性，以及零和博弈這種對抗式訓練模式對於目標資料分布的捕獲能力，
gan框架適用於針對資料的生成與轉換
，通過零和博弈獲取人工設計困難的轉換關係（如模糊影象轉高畫質影象，按照傳統方法，高頻分量丟失造成的資訊缺失是很難恢復，但gan通過捕獲高畫質影象的資料分布特點，實現了轉換關係的設計）。
而從訓練資料**的角度：針對樸素gan，僅更改訓練樣本能實現對任意圖資料的生成模型訓練，且由於無監督學習的特點，資料**豐富。而通過在訓練過程中隱含層
引入一定的標籤資訊
，如影象中的位置資訊，得到的模型將 能根據輸入資料資訊，實現
更細化的資料生成
，如影象翻譯，文字->影象等。
因此，針對gan的特點，目前已有的思路還是較為集中在其對資料分布特點的捕捉能力上，能否由此發散，考慮其他影象增強和影象變換方面的運用？用於特點環境下的影象資料簡化（如去霧）或者特定影象增強（如普通影象轉熱成像），由此方便機器判斷或者個人體驗？
並查集 筆記與思路整理
算是非常基礎的內容了，之前寫到kruskal的時候突然想起還沒整理過。其實就想存個板子 並查集是一種樹型的資料結構，用於處理一些集合 只能是不交集 感性理解 一下就是把一堆東西分成若干堆，每個東西都在且僅在其中一堆裡。具體實現的話利用乙個father陣列，指向該元素的父親節點。初始時所有元素的fat...
專案研究 自動安裝並配置ODBC的思路與實現
一 如何自動註冊odbc資料來源 其實都是用到乙個函式 sqlconfigdatasource。這裡舉兩個有代表性的例子 自動註冊foxpro資料來源 bool bobdc sqlconfigdatasource null,odbc add dsn,microsoft visual foxpro d...
STL綜合例項 打分系統（一）思路與框架
學校要舉行一場演講比賽，共有24個人參加，按參加順序設定參賽號。比賽共三輪，前兩輪為淘汰賽，第三輪為決賽。第一輪分為4個小組，根據參賽號順序依次劃分，比如100 105為一組，106 111為第二組，依次類推，每組6個人，每人分別按參賽號順序演講。當小組演講完後，淘汰組內排名最後的三個選手，然後繼續...