generator-netværk
Del af et generativt adversarielt netværk (GAN), der genererer syntetiske data, typisk for at narre diskriminator-netværket.
Kort fortalt
Netværket der skaber falske data, som forsøger at ligne ægte data.
- Kategori
- arkitektur
- Niveau
- øvet
Betydninger
1- 1
Det neurale netværk i et GAN, der kortlægger en latent vektor til et output (fx et billede) med det formål at efterligne den ægte datadistribution.
- Generator-netværket tager en tilfældig støjvektor som input og producerer et billede.
- Under træning lærer generator-netværket at generere stadig mere realistiske ansigter.
Hvornår bruges det
Generator-netværket bruges i GAN'er til at producere realistiske billeder, tekst eller andre data. Det trænes sammen med et diskriminator-netværk i en konkurrencepræget proces, hvor generatoren forbedres for at gøre de falske data mere overbevisende.
Kodeeksempel
import torch.nn as nn
class Generator(nn.Module):
def __init__(self, latent_dim=100, img_dim=784):
super().__init__()
self.fc = nn.Sequential(
nn.Linear(latent_dim, 256),
nn.ReLU(),
nn.Linear(256, 512),
nn.ReLU(),
nn.Linear(512, img_dim),
nn.Tanh()
)
def forward(self, z):
return self.fc(z)Simpel generator i PyTorch med lineære lag og ReLU-aktivering. Input er en latent vektor z, output er et fladt billede.
Oprindelse
Fra engelsk 'generator network', sammensat af 'generator' og 'network'. Udtrykket opstod i forbindelse med introduktionen af generative adversarial networks (GANs) af Ian Goodfellow et al. i 2014.