以上的类比是一项正在进行的实验，未来我们会添加更多相关信息。

结论

既然我们已经对 GAN 有一个基础性的了解，那么让我们现在重新审视一下其目标：从非标记的数据中学习强大的表征（例如：从原始数据中获取我们的数据，学习在一个小得多的范围中去表征其最重要的特征 →实现理想的表现所需的有标注数据更少）。

在训练一个 GAN 之后，目前大多数方法将判别器用作迁移学习基本模型以及对生产模型的微调，亦或是将生成器用作训练生产模型的数据源。在我们的拳击类比中，这意味着判别器拿到了他的拳击执照并且竞争对手生成器没有拿到。很不幸，因为生成器看起来是有潜力成为一个更好的拳手的。他要么被解雇，要么就只能作为一个生产模型的陪练。

我所无法创造的，我也无法理解。

一个训练得很好的生成器很好地学习了真实的数据分布，它可以从一个小得多的输入范围中生成属于它的样本。这意味着它发展出了极其强大的数据表征能力。能够在生产模型中直接利用生成器所学到的东西就好了，但目前似乎还没有任何能够做到这一点的方法。如果有，请评论告知。

欲知标准 GAN 清楚且简单的实现（和其它类型的 GAN，如 InfoGAN 和 ACGAN）参阅：

GAN 沙盒：基于 Keras/TensorFlow 实现的 Vanilla GAN——可实现快速实验和研究：https://github.com/wayaai/GAN-Sandbox

这里有几类可生成极为有价值生成器的 GAN，尽管它们也还是「陪练」：

SimGAN：无监督学习和自动驾驶等中的变革者：https://medium.com/intuitionmachine/simgans-applied-to-autonomous-driving-5a8c6676e36b

　　原文链接：http://www.kdnuggets.com/2017/03/deep-learning-gans-boxing-fundamental-understanding.html

　　

　　本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：hr@jiqizhixin.com

投稿或寻求报道：editor@jiqizhixin.com

广告&商务合作：bd@jiqizhixin.com

相关阅读：

中国性感拳击宝贝视频

女子拳击内衣松了

美国黑市女人暴力拳击

张君龙最新拳击比赛视频

gan生成对抗网络

拳击基本动作

拳击张君龙vs日本浪人

cnn生成对抗样本

口语100网络学习空间

gan网络图片检索

氮化镓gan工艺及其应用

gan第三代半导体

相关推荐：

华为史上最美操作系统，你绝对不能错过的EMUI5.0

国产操作系统典范：deepin操作系统

娱乐办公两不误！这个笔记本能把屏幕拔下来写字

斗鱼响应新规加强监管，坚持打造优质精品直播

SpaceX 火箭爆炸原因确定：液态氧过冷成了固态

华为Mate9中国版真机秀 你绝对没发现它有两种版本

99%的人都不知道的微信高效使用术？

乐视网一周蒸发88亿元 贾跃亭反思节奏发展过快

似乎已经战胜传统渠道的小米 今年为什么被OPPO、vivo 打败？

优雅商务风，性能一鸣惊人—TCL 950体验评测

转载请注明出处。