国外有个男孩子，为了哄女孩子开心，训练了一个 BEGAN 的神经网络模型来画小猫猫！真的很热爱代码了
Zack Nado 是 Google Brain 的一名工程师，他和他的女朋友都是 Pusheen（胖吉猫）的超级粉丝。国内可能对 Pusheen 不太熟悉，它是由 Claire Belton 和 Andrew Duff 两位艺术家创作的一只丰满的灰色虎斑短毛猫，Facebook 设定页面的插图几乎都是 Pusheen。
所以呢，为了给女朋友过生日，Zack 就开始尝试创建一个机器学习程序来画 Pusheen！
Zack 创建的是 「Generative Adversarial Network」 ，简称 「GAN」 ，即生成式对抗网络，是目前很流行的机器学习程序类型。
▎ 制作猫猫数据集
为了让神经网络对画猫猫这件事有所了解，就需要给它们足够多的目标图像，多多益善。但这对于 Pusheen 来说是个小问题，因为并没有这么多 Pusheen 图像。和那些动辄 50,000-1,200,000 个图像的标准机器学习数据集相比，Pusheen 的图像实在太少了。
所以 Zack 就用了些小技巧来制作新图像 —— 将原图旋转、缩放、翻转！
有了足够多的猫猫图片，就可以将其使用在神经网络中了！
▎ 训练神经网络
之所以称之为「生成式对抗网络」，是因为这个模型中包含两个模块 —— 生成模型（Generative Model）和判别模型（Discriminative Model），我们可以这样简单理解：
- 判别器学习生成器产生的图像中的缺陷，以便它能从假图像中挑选出真实的图像
- 生成器学习如何生成与真实图像类似的图像，以使判别器无法区分
于是这个模型中的两个模块都有自己的目标，我们就可以开始训练神经网络了。典型的设置是这样的：
- 给判别器一些真实的图像，让它知道 Pusheen 猫长什么样子
- 给生成器一些随机数，让它开始生成一些图像
- 将生成的图像传给判别器，让判别器知道生成器生成了什么图像
- 重复 Step 1
在几十万次重复后，我们就拥有了一个擅长制作 Pusheen 的发生器，以及一个在真伪图像中徘徊的鉴别器了。下面这个视频能让我们直观地看到神经网络的工作进度 —— 首先学习图像的基本知识（比如白色背景上的灰色圆形物体），然后逐渐变得复杂（如耳朵和尾部），接着是面部，最后越来越接近我们的小猫猫！
▎结果
下面是不同模型生成的图像（不同参数设置 生成的图像是不同的）
当然也有一些翻车的……
感兴趣的话可以点进原文链接看看，Zack 在他的博客中还设置了参数控件，可以让你自行设置参数，并且实时看到生成模型的变化。
另外，还有一篇专业版本 (Expert) 提供给机器学习的人士阅读，真的很贴心了！人家有女朋友不是没有道理的 ~
原作者：Zack Nado
0条评论