生成对抗网络：两个神经网络的对弈
在 2017-10-23 发布于 播客 分类
本期嘉宾：刘爽（UCSD 博士学生）
话题：深度学习
从大家广泛运用电子邮件的那天起，很多研究者和程序员就开始了和垃圾邮件分类的斗争。垃圾邮件分类的算法越来越精进， 就意味着更加逼真的垃圾邮件也可以成功的被筛选出来。站在垃圾邮件生成者的角度考虑，为了能够传播他们的邮件，他们就需要把垃圾邮件设计的和普通邮件更相似，更难以区分。
基于类似的思路，本期节目我们和大家聊一聊 2014年Ian Goodfellow提出的生成对抗网络模型(Generative Adversarial Nets)。 生成对抗网络把生成器和判别器同时联系起来，生成器用来生成数据集，判别器用来判断某一条数据是人工合成还是在原本数据集中。随着生成的数据和真实数据越来越接近，判别器也就需要更加敏锐。利用生成器和判别器的对弈，达到两者同时进步的目的。
收听节目
提到的一些内容
- 生成对抗网络(Generative Adversarial Nets)是2014年由Ian Goodfellow提出的。现在提到生成对抗网络，一般用GAN这个缩写。
- 刘爽提到了可以将一张现实中的图片转化为梵高风格的油画的工具Deep Dream。其实Deep Dream不仅限于某一种风格，只要可以找到足够样例的图片风格都可以作为转换的目标。
- 节目中我们还提到了利用GAN可以将视频中的一匹普通的奔跑的马变成斑马。视频和具体的解释可以在这里找到。
阅读文字版
- 点击这里阅读本期节目文字版
关注德塔赛
谢谢收听！