没有discriminator，generator也能生成，所以加不加上discriminator，有什么区别
GAN生成图像，弄一个discriminator ，和无D直接生成，区别是？
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
- 2024-05-28 06:23总结来说，本项目结合了深度学习的前沿技术——Pytorch和StarGAN，为学习者提供了一个实战平台，以探索和理解人脸图像生成的过程。通过研究项目源码和跟随流程教程，不仅可以掌握相关算法，还能提升在实际项目中的...
- 2024-02-06 11:053. **艺术创作**：艺术家可以利用BigGAN生成独特的艺术作品，实现人工智能与创意的结合。 4. **图像修复**：对于破损或不完整的图像，BigGAN可以通过生成新的部分来完成修复。 5. **风格迁移**：BigGAN可以学习...
- 2025-08-15 07:52对抗生成神经网络（GAN）技术是一种深度学习方法，它由两部分组成：生成器（Generator）和判别器（Discriminator），二者相互竞争以提高性能。生成器负责创造新的数据实例，而判别器的任务是区分生成的数据和真实...
- 2025-03-30 09:30喜欢编程就关注我的博客 GAN和StyleGAN作为人工智能图像生成领域的重要技术，通过不断的创新和发展，已经能够生成逼真且多样化的图像。本文结合CSDN网站上的相关资源，对GAN和StyleGAN的基本原理、结构和实战技巧进行了深入探讨，并通过代码...
- 2023-12-29 05:00新华的博客 我们将使用 Tensorflow 库从头开始创建一个简单的 GAN，在 MNIST 数据集上对其进行训练，并生成手写数字的新图像。为了查看网络对图像的训练程度，我们创建了一个辅助函数来存储来自生成器的一批图像的预测。在给定...
- 2024-01-31 20:41主要包含两个生成器Generator和四个辨别器Discriminator，也是本工作的主要完成训练框架转换的部分。本工作主要根据开源的pytorch代码，将其中的风格迁移模型U-GAT-IT的模型定义、训练和测试脚本改成了mindspore框架...
- 2024-12-18 17:00二进制独立开发的博客 生成对抗网络（GAN）是一类基于对抗训练的生成模型。...GAN的训练过程可以视为一个博弈过程，生成器试图骗过判别器，而判别器则尽力识别出假样本。通过这种对抗过程，两个网络不断优化，从而提升生成图像的质量。
- 2022-09-21 00:12生成对抗网络（GANs）是深度学习中的一个重要概念，由两部分组成：生成器（Generator）和判别器（Discriminator）。生成器试图创造出与训练数据相似的新样本，而判别器则尝试区分真实数据和生成器产生的假样本。在...
- 2024-03-22 09:42### 生成对抗网络（GAN）概述 生成对抗网络（Generative Adversarial Networks，简称GAN）作为一种前沿的深度学习技术，自2014年由Ian ...随着研究的深入和技术的进步，GAN将继续为人工智能的发展带来更多的可能性。
- 2024-09-30 15:40Charlotte's diary的博客 生成对抗网络GAN 深度学习模型，用于生成数据对抗式训练，生成器v判别器DCGAN>WGAN>...StyleGAN2能够生成逼真的人脸图像，推动了计算机视觉和图形学的发展。GAN也被用于生成式医学图像，帮助医生进行更准确的诊断。
- 2025-01-20 20:04池央的博客 CycleGAN是一种基于生成对抗网络（GAN）的无监督学习模型，旨在解决没有成对图像数据的图像到图像转换问题。其核心思想是通过引入循环一致性损失来确保生成的图像在转换回原始域时，能够保持与输入图像相同的结构...
- 2023-08-08 09:44专业女神杀手的博客 GAN(Generative Adversarial Networks)生成对抗网络基于这种思想后续出现了非常多的GAN架构的生成模型，其中比较典型的是DCGAN 和WGAN, 这篇文章通过讲解GAN思想，实现一下DCGAN代码生成人脸，最后再分析一下WGAN。
- 2024-10-01 00:57Landy_Jay的博客 生成对抗网络（GAN）的基本原理基于两个神经网络之间的博弈过程：一个生成器（Generator, G）和一个判别器（Discriminator, D）。输入-输出图像对指的是两个相关的图像，其中一个图像是另一个图像经过某种变换后的...
- 2025-04-28 11:48程序员光剑的博客 AIGC已成为AI领域的核心方向之一，其生成内容覆盖图像、文本、音频等多模态。无条件生成（Unconditional Generation）作为AIGC的基础能力，旨在不依赖外部条件（如类别标签、文本描述）的情况下，直接生成符合真实...
- 2025-02-16 11:58next_travel的博客 本周学习了生成对抗网络（GAN）与风格迁移技术在图像生成中的应用。首先介绍了GAN模型中生成器与判别器通过对抗训练，使随机噪声逐步转换为逼真图像，展示了其在动漫人物生成中的潜力。其次阐述了风格迁移方法，通过...
- 2025-04-14 10:06stormsha的博客 以上是一些使用Python进行AI图像生成的创意与实现方法。这些项目既可以作为学习深度学习的实践，也可以作为开发创意图像生成应用的基础。希望这些想法能激发你的创造力，帮助你在AI图像生成领域探索更多可能性！
- 2025-03-06 23:14CarlowZJ的博客 生成对抗网络（GAN）是一种强大的生成模型，广泛应用于图像生成、数据增强和风格迁移等领域。通过TensorFlow和Keras，我们可以轻松实现GAN模型，并通过调整模型结构和训练策略来优化性能。模型设计、训练过程和数据...
- 2025-07-18 18:02神明树树子的博客 GAN是一种深度学习模型，主要由两个部分组成：生成器和判别器。生成器负责生成假数据，而判别器则负责区分真实数据和生成的数据。两者通过博弈的方式进行训练，生成器不断改进以欺骗判别器，而判别器则不断提高识别...
- 2025-04-30 22:26威哥说编程的博客 这两个网络在训练过程中进行对抗式博弈，生成器试图生成越来越逼真的图像，而判别器则努力区分生成图像和真实图像。它通过使用卷积神经网络（CNN）来构建生成器和判别器，使其能够在生成任务中取得更好的效果，特别...
- 没有解决我的问题, 去提问
问题事件
系统已结题
2月15日
已采纳回答
2月7日-
创建了问题
2月1日