핸즈온 비지도 학습

394

4부 텐서플로와 케라스를 사용한 심층 비지도 학습

실제

MNIST

데이터셋과 완전히 구별할 수 없는 것은 아니지만, 이 합성 이미지는 실제 숫자와

매우 유사합니다. 훈련 시간이 늘어날수록

MNIST

DCGAN

은 실제

MNIST

데이터셋과 더 유

사한 합성 이미지를 생성할 수 있어야 하며, 실제 데이터셋의 크기를 보완하는 데 사용할 수 있

어야 합니다.

우리가 만든 솔루션도 성능이 꽤 좋은 편이지만, 그 외에도

MNIST

DCGAN

의 성능을 향상시

킬 수 있는 다양한 방법이 있습니다. 논문 「

Improved

Techniques

for

Training

GANs

」와

함께 제공되는 코드 (

https

://

github

.

com

/

openai

/

improved

-

gan

)에서

GAN

의 성능을 향

상시키기 위해 더욱 진보된 방법을 살펴볼 수 있습니다.

12.6

마치며

이 장에서 우리는 이미지와 컴퓨터 비전 데이터셋에서 잘 작동하는

GAN

의 전문화된 유형인

DCGAN

을 살펴봤습니다.

GAN

은 제로섬 게임에 갇힌 두 신경망이 있는 생성적 모델입니다. 그중 하나는 생성자 (위조지

폐범 )로, 실제 데이터로부터 합성 데이터를 생성하고 또 다른 신경망은 감별자 (경찰 )로 위조

된 진짜인지 가짜인지를 판별합니다

11

. 생성자가 감별자로부터 학습하는 이 제로섬 게임은 실

제와 매우 유사한 합성 ...