TensorFlow深度学习项目实战

第4章　为生成条件图像构建GAN

前Facebook人工智能团队首席AI科学家Yann LeCun曾提出“GAN是机器学习领域过去十年来最有趣的想法”，后来学术界对这一深度学习解决方案的浓厚兴趣印证了这一点。如果你阅读过最近有关深度学习的论文，同时注意到LinkedIn上GAN的领先趋势或Medium上相关话题的文章），就会发现GAN已经产生了大量变体。

你可以通过浏览由Avinash Hindupur在GitHub上创建并持续更新的参考文献列表来了解GAN的发展，也可以查看Zheng Liu在GitHub上列出的GAN时间表，以便从时间维度理解GAN的所有相关内容。

GAN之所以可以激发人们的想象力，是因为它足以显示人工智能的创造力，而不仅因为它具有强大的计算能力。

本章主要包括以下内容：

• 揭开GAN的神秘面纱，给出所有必要的概念，以帮助你理解GAN是什么、它现下能做什么以及人们希望用它做什么；
• 演示如何基于示例图像的初始分布来生成图像（所谓的无监督GAN）；
• 阐释如何使GAN能够生成期望的结果；
• 构建一个基本的、完整的项目，用于处理不同的手写字符和图标数据集；
• 如何在云（特别是亚马逊云）上训练GAN的基本指令。

GAN的成功很大程度上取决于其使用的特定神经网络结构，以及它所面对的问题和“喂”给它的数据。在本章中，我们选择的数据集足以提供令人满意的结果，希望你能感受到GAN的创造力，并从中得到启发！

4.1　GAN简介

我们从近几年发生一些事件开始介绍，因为GAN是人工智能和深度学习领域较新的想法之一。

2014年，加拿大蒙特利尔大学计算机科学系的Ian Goodfellow和他的同事（Yoshua Bengio也是贡献者之一）发表了一篇论文，提出了GAN这种能够基于一系列初始样例生成新数据的框架。 ...