GAN 구조 개요
생성적 적대 신경망 (GAN)은 다음 두 부분으로 구성됩니다.
- 생성기는 타당한 데이터를 생성하는 방법을 학습합니다. 생성된 인스턴스는 판별자를 위한 음성 학습 예시가 됩니다.
- 구분자는 생성기의 가짜 데이터와 실제 데이터를 구분하는 방법을 학습합니다. 구분자는 생성기를 사용하여 거짓 결과를 도출합니다.
학습이 시작되면 생성기가 명백하게 가짜 데이터를 생성하고 분류자는 이 데이터가 거짓임을 빠르게 학습합니다.
학습이 진행됨에 따라 생성기는 판별자를 속일 수 있는 출력을 생성하는 데 더 가까워집니다.
마지막으로 생성기 학습이 잘되면 판별자가 진실과 거짓 사이의 차이점을 더 잘 알게 됩니다. 가짜 데이터를 실제 분류로 분류하기 시작하며 정확성이 낮아집니다.
다음은 전체 시스템 그림입니다.
생성기와 구분자는 모두 신경망입니다. 생성기 출력은 판별자 입력에 직접 연결됩니다. 분류기 분류는 역전파를 통해 생성기가 가중치를 업데이트하는 데 사용하는 신호를 제공합니다.
이 시스템 요소를 보다 자세히 설명해 보겠습니다.
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2022-09-27(UTC)
[null,null,["최종 업데이트: 2022-09-27(UTC)"],[[["GANs consist of two neural networks: a generator creating data and a discriminator evaluating its authenticity."],["The generator and discriminator are trained against each other, with the generator aiming to produce realistic data and the discriminator aiming to identify fake data."],["Through continuous training, the generator improves its ability to create realistic data, while the discriminator struggles more with differentiation."],["The ultimate goal is for the generator to create data so realistic that the discriminator cannot distinguish it from real data."]]],[]]
