GAN - BD-SEARCH/MLtutorial GitHub Wiki

GAN(Generative Adversarial Network)은 두 개의 신경망 모델이 서로 경쟁하면서 더 나은 결과를 만들어내는 강화 학습의 일종이다.

GAN의 두 모델은 Generator(생성자)와 Discriminator(감별자)이다.

• Generator(생성자)
  • 미리 입력된 데이터를 학습하여 거짓 데이터를 만들어내는 모델
  • 목표: Generator가 만든 데이터를 Discriminator가 실제 데이터로 착각하게 만들기
• Discriminator(감별자)
  • 실제 데이터와 거짓 데이터(생성자가 만든 데이터)를 구분하는 모델
  • 목표: Generator가 만든 거짓 데이터와 실제 데이터를 완벽하게 구분하기

Generator와 Discriminator가 서로 경쟁하다보면 Generator는 실제 데이터와 차이가 거의 없는 데이터를 만들어내게 된다.

• [IT열쇳말] GAN(생성적 적대 신경망)
• 쉽게 쓰여진 GAN: GAN 개념 + MNIST (Pytorch)
• Generative Adversarial Networks (GANs) 이해하기: GAN 개념 + MNIST에 적용하는 예제 (keras)
• [번역] Keras를 사용한 GAN 예제
• Github: Zackory/Keras-MNIST-GAN: GAN을 MNIST에 keras로 적용한 예제
• 1시간만에 GAN(Generative Adversarial Network) 완전 정복하기 (요약)
• 초짜 대학원생 입장에서 이해하는 Generative Adversarial Nets - #1, #2