エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
GANと損失関数の計算についてまとめた - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
GANと損失関数の計算についてまとめた - Qiita
はじめに 「機械学習の数理 Advent Calendar 2018」の17日目の記事です。 Generative adversarial netwo... はじめに 「機械学習の数理 Advent Calendar 2018」の17日目の記事です。 Generative adversarial network (GAN)の実装方法をGitHubなどであちこち調べてみると,損失関数の計算の仕方が複数あることに気付きます。 以前初めてGANの論文を読んで実装しようとした際に戸惑ったので,論文と実装のギャップを埋めるつもりでまとめました。 GANとは? GANについて簡単に説明します。 GANくらい知ってるよ!という方は飛ばすことをおすすめします。 概要 GANは教師なし学習の一種です。 訓練データの確率分布$p_t(x)$を学習して,訓練データにありそうな新たなデータを生成するための手法です。 学習にはGenerator $G$,Discriminator $D$という2つのニューラルネットワークが登場します。 $G$は偽札職人によく例えられ,乱