-
- 〇、Semi-Supervised GAN介绍
- 一、生成器
- 二、判别器
- 三、迭代训练过程
- 四、结果演示
- 五、完整代码
通过强制判别器网络输出分类标签，我们将生成对抗网络(GAN)扩展到半监督学习（Semi-Supervised）。我们在输入属于N类之一的数据集上训练生成器G和判别器D。在训练时，使用D来预测输入属于N+1类中的哪一个，其中一个额外的类被添加到G的输出中。我们表明，这种方法可以用来创建一个更有效的数据分类器，它允许生成比常规GAN更高质量的样本。
论文可参考《Semi-Supervised Learning with Generative Adversarial Networks》。
算法如下图所示：
生成器的目标是输入一个固定维度的随机噪声，生成手写数字图像，因此它的输入是一个长度为N=100的一
