原标题:谷歌GAN 实验室来了!迄今最强可视化工具,在浏览器运行GAN

美高梅注册 1

倒计时**13**天

来源:poloclub.github.io

编辑:肖琴

【新智元导读】今天,Google
AI和乔治亚理工学院的研究人员发布了一个学习GAN的交互式网站:GAN
Lab!由TensorFlow.js 驱动,在浏览器就可以运行GAN。

Google
AI和乔治亚理工学院的研究人员发布了一个学习GAN的交互式网站:GAN
Lab!由TensorFlow.js
驱动,在浏览器就可以运行GAN,非常直观地了解各种GAN模型的机制,可谓是一大神器。发布后迅速获得好评。

美高梅注册 2

GAN Lab地址:

https://poloclub.github.io/ganlab/

GitHub:

https://github.com/poloclub/ganlab

论文:

http://minsuk.com/research/papers/kahng-ganlab-vast2018.pdf

网站提供四种数据分布类型,也可以自定义自己的数据分布,可以使用预训练模型。

美高梅注册 3

点击运行按钮后,即可查看模型的可视化呈现:

美高梅注册 4

许多机器学习系统需要查看某种复杂的输入(例如图像),然后产生简单的输出(例如“cat”之类的标签)。相比之下,生成模型的目标恰恰相反:取一小部分输入(可能是一些随机数),然后产生复杂的输出,例如一张看起来很逼真的人脸图像。生成对抗网络(GAN)是一种特别有效的生成模型,从几年前推出以来,一直是机器学习的一个热门研究主题。

机器从头开始“创造”一幅逼真的图像,这一想法看似神奇,但是GAN使用两个关键技巧将看似不可能的目标变为现实,即建立两个竞争的网络——生成器(generator)和判别器(discriminator)。生成器尝试创建随机的合成输出(例如,面部图像),而鉴别器试图将这些输出与实际输出(例如,名人的数据库)区分开来。当两个网络互相对抗,它们将能变得越来越好——最终结果是能够产生逼真输出的生成网络。

GAN非常复杂,其可视化也有很多难题。研究者的基本想法是:

首先,没有把任何像生成真实图像这样复杂的东西形象化。而是展示一个GAN在二维空间中如何学习点的分布(distribution
of
points)。这样简单的东西没有真正的应用,但是有助于展示系统的机制。因为普通二维(x,y)空间中的概率分布比在高分辨率图像空间中的分布更容易可视化。

美高梅注册 5

在两个位置展示数据分布

单击工具栏上的播放按钮即可运行模型。
除了所选择的分布中的实际样本,你还会看到模型生成的假样本。随着训练的进行,假样本的位置不断更新。完美的GAN创建的假样本分布与实际样本的分布几乎无法区分。当发生这种情况时,在分层分布视图中,你将看到两个分布很好地重叠了。

美高梅注册 6

随着训练的进行,假样本的位置不断更新。最后,真实样本和假样本的分布发生重叠。

美高梅注册 7

生成器的数据转换可视化为流形,将输入噪声(最左边)转换为假样本(最右边)。

美高梅注册 8

鉴别器的性能可以通过2Dheatmap解释。

下面的视频更好地展示了生成器和判别器的可视化:

总之,是非常酷的GAN可视化!

倒计时 13

http://www.aiworld2018.com/ 返回搜狐,查看更多

责任编辑:

相关文章