Tensorflow教程-对抗神经网络

1、了解对抗神经网络的思想

2、利用对抗神经网络进行手写体分类

源代码

https://github.com/PrivateThink/tensorflow_tutorial/blob/master/17.py

对抗神经网络的主要核心思想就是对抗，这里的对抗可以理解为博弈，举个通俗的例子。

小明是一名新上任的警察，最近遇到了一些麻烦事，经过朝阳群众的举报，最近是市场上出现了一批假币。局长命令小明在一个多月里破案，但是对于无经验的小明来说，这不是一个简单的任务，因为这批假币很难识别出来，假币的仿真程度太高了，所以小明就将假币和真币进行对比，经过一段时间学习后，小明终于找出了假币和真币的区别。

小明好不容易将假币和真币的区别找出来了，但是市场上又出现了一批仿真程度更高的假币，小明不得不重新找出假币和真币的区别。

在上面这个例子中，可以抽象出这么一个过程：制作假币，识别假币，制作仿真程度更高的假币，识别假币。。。。，只要制作假币的人不断升级制作假币的技术，小明就不得不学习识别假币。

对抗神经网络也是有上述的博弈的过程，由识别器和生成器组成，将对抗神经网络用在上述的例子就是，生成器就是制作假币的人，负责制作假币。识别器就是警察小明，负责识别假币和真币的区别。在这个过程中，假币的仿真程度越来越高，小明识别假币的能力也越来越好，这个过程不断的进行优化。

好了，上述就是对抗神经网络的基本思想，接下来就讲解利用对抗神经网络来生成手写体图片。

加载数据和设置参数。

设置权重和偏置

构建网络

上述程序创建了一个生成器，生成器输入随机的数据，然后生成越来越像手写体的图片。

创建了两个识别器，一个识别器负责识别真实的手写体图片，另外一个识别器负责识别生成器生成的图片。在创建网络的过程中，利用了简单的感知机。

因为对抗神经网络有生成器和识别器，所以要计算的损失函数也有两个，一个是生成器的损失函数，另外一个是识别器的损失函数，特别注意的是，识别器的损失函数中包括了生成器的输出和真实图片的输入。每个优化器的训练变量在默认情况下，每个优化器都会更新所有变量，所以我们需要为它们中的每一个精确地更新特定的变量。

训练

生成器生成图片

训练好网络以后，就可以利用生成器进行生成手写体图片。生成的图片如下：