2020/02/02
《百面机器学习-算法工程师带你去面试》读书笔记
《No.32: p313~p332》第13章 生成式对抗网络学习

Q118 在生成器和判别器中应该怎样设计深层卷积结构?

1.        生成器中的设计
1.1.        去掉一切会丢掉位置信息的结构，如池化层
1.2.        使用分数步进卷积层
1.3.        去掉最后的全连接层
1.4.        批量归一化和ReLU激活函数
2.        判别器中的设计
2.1.        抛弃池化层
2.2.        不接连接层
2.3.        激活函数使用LReLU。
2.4.        要用到Batchnorm层。


Q119 如何把一个生成网络和一个推断网络融合在GANs的框架下?

书中描述太理论，段落不分明，方法不明确


Q120 设计一种制造负样本的生成器，采样一些迷惑性强的负样本，增大对判别模型的挑战?

书中描述太理论，段落不分明，方法不明确

Q121 如何构建生成器，生成文字组成的序列来表示句子?

1.        序列建模采用RNN框架。
2.        具体单元可以是LSTM或GRU。

Q122 训练序列生成器的优化目标通常是什么? GANs框架下有何不同?

1.        生成器的目标: 生成文字序列，高度模仿真实句子。
2.        判别器目标: 区分哪些是生成器给的句子，哪些是真实数据集中挑的句子。
3.        GANs框架下，生成器的优化目标不再是一个可拆解的联合概率，在与判别器的博弈中，以假乱真欺骗判别器才是生成器的目标。

Q123 有了生成器的优化目标，怎样求解

略