手写数字生成:PyTorch实现 使用MNIST数据集的GAN模型识别手写数字 源码

手写数字生成 PyTorch实现-使用MNIST数据集的GAN模型生成/识别手写数字 项目目标 目标是使用在MNIST数据集上训练的生成对抗网络(GAN)生成新的手写数字。 GAN(生成对抗网络) GAN最早是在2014年由Ian Goodfellow和Yoshua Bengio实验室的其他人报道的。 从那时起,GAN爆炸式增长。 GAN的思想是使用两个网络相互竞争,即生成器G和鉴别器D。 生成器使“伪”数据传递到鉴别器。 鉴别器还可以看到真实的训练数据,并预测接收到的数据是真实的还是伪造的。 训练了生成器以欺骗鉴别器,它希望输出看起来尽可能接近真实训练数据的数据。 鉴别器是经过训练的分类器,用于确定哪些数据是真实的,哪些数据是伪造的。 最终发生的事情是,生成器学会了将与真实数据无法区分的数据制作到鉴别器。 参考 [Pix2Pix]