谷歌GAN 实验室来了!迄今最强可视化工具,在浏览器运行GAN


新智元报道

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。

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。

点击运行按钮后,即可查看模型的可视化呈现:

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。

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。

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。

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)。

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!

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2018-09-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

【干货】 计算机也会ps图片:TL-GAN(附代码和sildes下载)

https://github.com/SummitKwan/transparent_latent_gan

23930
来自专栏大数据挖掘DT机器学习

coursera机器学习算法课: 异常检测 & 推荐系统

这部分内容来源于Andrew NG老师讲解的 machine learning课程,包括异常检测算法以及推荐系统设计。异常检测是一个非监督学习算...

49690
来自专栏人工智能LeadAI

伪标签半监督学习

之前在训练YoutubeNet和DCN的时候,我都发现平台用户中基础用户的信息数据缺失率特别高,比如性别一栏准确填写的不足60%,所以我一直想调研一下有没有什么...

11520
来自专栏机器学习和数学

[高大上的DL]经典网络模型总结之GoogLeNet篇

勘误:开始之前说一下,昨天介绍的环境搭建的那篇,里面我忘记写cudnn的安装说明了,只贴了在哪下载,我在word版里面已经更新了,欢迎需要的童鞋下载查看。还有一...

45840
来自专栏机器之心

教程 | 通过可视化隐藏表示,更好地理解神经网络

将神经网络可视化是非常有趣的。对于监督学习而言,神经网络的训练过程可以看做是学习如何将一组输入数据点转换为可由线性分类器进行分类的表示。本文我想利用这些(隐藏)...

8110
来自专栏新智元

【新式DNN】CortexNet模拟视觉系统,预测视频下一帧

【新智元导读】受到人类视觉系统的启发,普渡大学的研究人员提出了深度神经网络 CortexNet,它不仅具有自下而上的前馈连接,而且还模拟了我们视觉皮层中存在的丰...

45060
来自专栏人工智能

从卷积神经网络的角度看世界

原文地址:https://blog.keras.io/how-convolutional-neural-networks-see-the-world.html

42060
来自专栏大数据文摘

资源 | Kaggle数据科学项目索引表,10大类93项,更新中

为了使Kaggle上的资源获得最大化的利用,一位来自印度的数据科学家sban设计了一个数据科学模型、技术和工具的项目索引表。

10500
来自专栏量子位

听讲座的正确姿势:吴恩达1小时深度学习演讲精华笔记分享

允中 | 编译自Github 量子位·QbitAI 出品 吴恩达曾做了一次1小时19分钟的演讲:Nuts and Bolts of Applying Deep ...

34380
来自专栏PaddlePaddle

【AI核心技术】课程十四:循环网络模型-课程导引

UAI与PaddlePaddle联合推出的【AI核心技术掌握】系列课程持续更新中!

10320

扫码关注云+社区

领取腾讯云代金券