如何使用PyTorch GAN生成伪造的手写体MNIST数据集？

本文共计1221个文字，预计阅读时间需要5分钟。

一、MNIST数据集+如图所示的数字手写体就是MNIST数据集。

二、GAN原理（生成对抗网络）+GAN网络由两部分组成：一个是生成器（Generator，简称G），一个是判别器（Discriminator，简称D）。一开始...

一，mnist数据集

形如上图的数字手写体就是mnist数据集。

二，GAN原理(生成对抗网络)

GAN网络一共由两部分组成：一个是伪造器(Generator，简称G)，一个是判别器(Discrimniator，简称D)

一开始，G由服从某几个分布(如高斯分布)的噪音组成，生成的图片不断送给D判断是否正确，直到G生成的图片连D都判断以为是真的。D每一轮除了看过G生成的假图片以外，还要见数据集中的真图片，以前者和后者得到的损失函数值为依据更新D网络中的权值。因此G和D都在不停地更新权值。以下图为例：

在v1时的G只不过是 一堆噪声，见过数据集(real images)的D肯定能判断出G所生成的是假的。当然G也能知道D判断它是假的这个结果，因此G就会更新权值，到v2的时候，G就能生成更逼真的图片来让D判断，当然在v2时D也是会先看一次真图片，再去判断G所生成的图片。以此类推，不断循环就是GAN的思想。