🌍 Hello World :D

Alec Radford & Luke Metz DCGAN : UNSUPERVISED REPRESENTATION LEARNINGWITH DEEP CONVOLUTIONALGENERATIVE ADVERSARIAL NETWORKS INTRODUCTION GANs have been known to be unstable to train, often resulting in generators that produce nonsensical outputs. CNN을 활용한 비지도학습으로 지도학습과 비지도학습의 차이를 줄인다. CNN을 활용하여 안정적인 train을 가능하게 했으며 이를 DCGAN이라고 한다. 판별기를 이미지 분류기 작업으로 사용하였고, 다른 비지도학습 알고리즘들에 경쟁적인 성능을 보여준다. DCGAN에 의해..

Ian Goodfellow$(.et al)$ Abstract 적대적 프로세스를 통해 생성모델을 추정하는 새로운 프레임워크를 제안한다. 생성모델 G와 판별모델 D 두가지 모델을 동시에 훈련한다. GAN? GAN은 두 개의 다른 신경망 간의 적대적인 관계로 대립(Adversarial)하며 서로의 성능을 점차 개선해 나가는 것 생성 모델 G : 데이터의 분포를 학습하는 모델 판별 모델 D : 이미지를 실제(training data) 또는 가짜(generated data)인지 분류하는 모델 Generator는 훈련 데이터의 분포를 학습하여, 임의의 노이즈를 입력으로 받아 신경망을 사용하여 이미지를 생성함. Introduction 딥러닝의 가장 두드러진 성공은 high-dimensional, rich sensor..