GAN 1장

GAN(Generative Adversarial Network)은 Generater 와 Discriminator로 나눈다. Generater는 샘플 분포와 같은 데이터들을 만들어 내는 역할을 하며, D(G(z))가 1이 되도록 노력할 것이다. 반면, Discriminator는 생성된 샘플을 진짜 샘플과 구분하는 역할을 할 것이고, 진짜 샘플에서 뽑은 D(x)=1이 되고, D(G(z)) = 0 이 되도록 노력할 것이다. 두 가지 모델이 대항하는 관계에 있으므로 이를 MINMAX 문제라고 볼 수 있다.

생성기용 손실함수

$$\frac{1}{m}\sum_{i=1}^{m}log(1-D(G(z^{(i)})))$$

판별기용 손실함수

$$\frac{1}{m}\sum_{i=1}^{m}[logD(x^{(i)}+log(1-D(G(z^{(i)})))]$$

1. ImageNet을 기반으로 CNN을 제작해 모든 MSCOCO클래스들을 분류해보라.

2. 기본 GAN의 아키텍처를 그려보라.

GAN 아키텍처

3. 빌딩블록 아키텍처

[참고]

데이터 이상점 시각화 : https://itl.nist.gov/div898/handbook/prc/section1/prc16.htm .

다변량 문제 : https://machinelearningmastery.com/visualize-machine-learning-data-python-pandas/