谷歌推出TFGAN：开源的轻量级生成对抗网络库

文章预览

原作 Joel Shor 机器感知高级软件工程师 Root 编译自 谷歌开源博客 量子位 出品 | 公众号 QbitAI 一般情况下，训练一个神经网络要先定义一下损失函数，告诉神经网络输出的值离目标值偏差大概多少。举个例子来说，对于图像分类网络所定义的损失函数来说，一旦网络出现错误的分类结果，比如说把狗标记成了猫，就会得到一个高损失值。 不过，不是所有任务都有那么容易定义的损失函数，尤其是那些涉及到人类感知的，比如说图像压缩或者文本转语音系统。 GAN（Generative Adversarial Networks，生成对抗网络），在图像生成文本，超分辨率，帮助机器人学会抓握，提供解决方案这些应用上都取得了巨大的进步。 不过，理论上和软件工程上的更新不够快，跟不上GAN的更新 ………………………………