简介

生成对抗网络 (GAN) 是机器学习领域最近的一项令人兴奋的创新。GAN 是生成模型：它们会创建类似于训练数据的新数据实例。例如，GAN 可以生成看起来像人脸照片的图片，即使这些面孔并不属于任何真实的人。以下图片由 GAN 生成：

图 1：由 NVIDIA 创建的 GAN 生成的图片。

GAN 通过将学习生成目标输出的生成器与学习区分真实数据与生成器输出的判别器搭配使用，从而实现这种逼真度。生成器会尝试欺骗判别器，而判别器会尝试避免被欺骗。

本课程介绍了 GAN 的基础知识，以及如何使用 TF-GAN 库创建 GAN。

课程学习目标

• 了解生成式模型和判别模型之间的区别。
• 找出 GAN 可以解决的问题。
• 了解生成器和判别器在 GAN 系统中的作用。
• 了解常见 GAN 损失函数的优缺点。
• 通过 GAN 训练找出常见问题的可能解决方案。
• 使用 TF GAN 库创建 GAN。

前提条件

本课程假定您具备以下条件：

• 通过线下或自学方式完成了机器学习速成课程。
• 至少有一点使用 TensorFlow 编程的经验