운동하는 공대생
GAN(Generative Adversarial Networks)(3/3) 본문
728x90
반응형
GAN(Generative Adversarial Networks)(2/3)
Structure of the GAN 위의 사진처럼 2가지의 주요 한 구성 요소로 이루어져 있다. 생성자, 판별자 두 가지 구조를 가지고 있으며 2가지의 네트워크를 활용하여 이미지를 생성하는 이론이다. -Generator(
seungwoni.tistory.com
이전 글을 읽었다면 이제 이후에 GAN 론이 어떻게 적용이 되는지를 설명을 하겠다.
GAN의 수렴 과정
먼저 과정을 해석하자면 생성모델의 분포는 점점 실제 데이터와 같아 지게 만들어야한다.
이때 GAN은 2가지의 목표를 가지고 수렴한다.
- Pg -> Pdata : 생성자의 분포가 원본 데이터의 분포를 따르게 수렴을 해야한다.
이는 원본 데이터의 분포에 맞게 수렴을 한다면 실제 데이터의 분포값과 비슷한 데이터를 생성했다고 생각을 할 수 있다. - D(G(z)) -> 1/2:학습이 끝난 후에는 가짜 데이터와 진짜 데이터를 구분을 할 수 없어야 한다.
이는 확률값을 1/2 이 되게하여 진짜인 1과 가짜인 0 중간값으로 수렴시켜 진짜인지 가짜인지 구분이 불가능해야 잘 수렴했다고 생각을 할 수 있다.
728x90
반응형
'Deep Learning' 카테고리의 다른 글
| [Deep Learning] 다층 퍼셉트론 이론과 역전파 (0) | 2022.12.15 |
|---|---|
| Deep Learning(딥러닝) (0) | 2022.11.17 |
| GAN(Generative Adversarial Networks)(2/3) (0) | 2022.10.18 |
| GAN(Generative Adversarial Networks)(1/3) (0) | 2022.10.18 |
| Softmax fuction (0) | 2022.10.06 |
'Deep Learning' Related Articles
more
Comments