簡介

生成對抗網路 (GAN) 是機器學習領域近期令人振奮的創新技術。GAN 是生成式模型：它會建立類似訓練資料的新資料例項。舉例來說，GAN 可以產生類似人臉相片的圖像，即使這些臉孔不屬於任何真人。這些圖片是由 GAN 建立：

圖 1：由 NVIDIA 建立的 GAN 產生的圖片。

GAN 會將產生器 (可學習產生目標輸出內容) 與鑑別器 (可學習從產生器的輸出內容中辨別真實資料) 配對，以達到這種程度的寫實效果。產生器會嘗試欺騙辨別器，而辨別器則會設法避免被欺騙。

本課程將介紹 GAN 的基本概念，以及如何使用 TF-GAN 程式庫建立 GAN。

課程學習目標

• 瞭解生成式模型和判別式模型的差異。
• 找出 GAN 可解決的問題。
• 瞭解 GAN 系統中產生器和鑑別器的角色。
• 瞭解常見 GAN 損失函式的優缺點。
• 找出 GAN 訓練常見問題的可能解決方案。
• 使用 TF GAN 程式庫建立 GAN。

必要條件

本課程假設您具備以下條件：

• 完成機器學習密集課程 (不論是親臨現場或自學)。
• 至少具備使用 TensorFlow 編寫程式的經驗