GAN正在成为新的深度学习
极客时间编辑部
讲述：杜力大小：954.93K时长：02:03
近日，谷歌研究院（Google Research）的科学家乔迪·庞特·图塞特（Jordi Pont-Tuset）做了一个统计，根据论文的题目来看深度学习的发展趋势。他发现生成对抗网络 GAN（Generative Adversarial Nets）所占的比例很高，大有取代“深度学习”的势头。
通过对 GAN、Deep 以及 LSTM 的对比，可以看出，普通的“深度学习”下降的趋势明显。与此同时，GAN 则有大幅抬头的趋势，有 8% 的论文标题中含有 GAN，相比 2017 年增长了 2 倍多，这已经不是个小数量。
此外，LSTM 也出现下滑趋势，图塞特猜测，这个现象的原因可能是越来越多的人开始关注并使用 Attention 的方法。
事实上，GAN 的上升趋势并不是从 2018 年才开始的。从 2013 年到 2017 年的 CVPR（计算机视觉与模式识别会议）期间，从在论文标题中出现的频次来看，可以发现，尽管占比的绝对值不高（在 2017 年时为 2.5%），但是 GAN 从 2016 年开始，就有一飞冲天的趋势。
这种趋势在随后的 2017 年更加明显，根据统计，GAN 在 2017 年已经超越了 LSTM，占比达到了 4%。
正如图塞特推测的那样，普通的“深度学习”可能已经为人熟知，如今在研究领域开始往更细的、更具体的方向发展，比如 GAN。
据了解，GAN 是在 2014 年被提出来的，是非监督学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。
它由一个生成网络（Generator）与一个判别网络（Discriminator）组成。两个网络相互对抗、不断调整参数，最终目的是使判别网络无法判断生成网络的输出结果是否真实。此外，该方法还被用于生成视频、三维物体模型等。
2017 年，在接受吴恩达的采访时，GAN 的提出者伊恩·古德费洛（Ian Goodfellow）曾经说过，GAN 是生成模型的一种，实际上，GAN 能够做的事情，很多其他的生成模型也可以做到。如果 GAN 的训练能够稳定下来，甚至像深度学习那么可靠，那么 GAN 就能真正发展起来。如果不能，那么 GAN 将会被其他方法所取代。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(1)
- 最新
- 精选
- 华林很明显，是阿法狗零导致的吧，我都想学了
收起评论