译文 | GAN之父在NIPS 2016上做的报告:两个竞争网络的对抗

作者:Ian Goodfellow
翻译:七月在线DL翻译组
译者:范诗剑 汪识瀚 李亚楠
审校:管博士 寒小阳 加号
责编:翟惠良 July
声明:本译文仅供学习交流,有任何翻译不当之处,敬请留言指正。转载请注明出处。

2016年的NIPS上,Ian Goodfellow做了主题为《生成对抗网络(Generative Adversarial Networks)》的报告,报告包括以下主题:
- 为什么生成式模型是一个值得研究的课题
- 生成式模型的工作原理,以及与其他生成模型的对比
- 生成式对抗网络的原理细节
- GAN相关的研究前沿
- 目前结合GAN与其他方法的主流图像模型

原英文精辟演示文稿请点击——
PDF版:www.iangoodfellow.com/slides/2016-12-04-NIPS.pdf
KeyNote版:www.iangoodfellow.com/slides/2016-12-04-NIPS.key

本站PDF版本:Generative Adversarial Networks (GANs)

本站KeyNote版:Generative Adversarial Networks (GANs)

一句话描述GAN——
GAN之所以是对抗的,是因为GAN的内部是竞争关系,一方叫generator,它的主要工作是生成图片,并且尽量使得其看上去是来自于训练样本的。另一方是discriminator,其目标是判断输入图片是否属于真实训练样本。
更直白的讲,将generator想象成假币制造商,而discriminator是警察。generator目的是尽可能把假币造的跟真的一样,从而能够骗过discriminator,即生成样本并使它看上去好像来自于训练样本一样。

继续阅读译文 | GAN之父在NIPS 2016上做的报告:两个竞争网络的对抗

macOS Sierra (10.12.3)编译Caffe

截止2017-03-05的最新版本代码,后续代码编译可能有所不同。为了实验目的,本次不开启GPU的支持,仅仅使用CPU。

虽然 Google开源了tensorflow,但是受限于天朝的网络问题,在没有梯子的情况下,是基本上没办法编译成功的,因此我们尝试使用老牌的 Caffe来进行实验,看看效果。

默认大家已经成功安装了 HomeBrew,没有安装的同学参考 让Mac也能拥有apt-get类似的功能——Brew。默认大家已经安装好 Xcode的最新版本,并且安装了命令行编译工具。

  • 安装Git

  • 下载源代码

  • 安装依赖的编译库

  • 编译Caffe

修改其中的编译选项:

然后修改里面的内容,找到如下内容:

去掉注释,修改后如下:

完成设置后, 开始编译

编译好的执行程序在 build/tools/目录下。

Ubuntu 14.04,14.10,16.04编译Caffe

最近在学习 Deep Learning,参考一下经典的 Caffe,记录一下编译历程。

  • 安装build-essentials

安装开发所需要的一些基本包

  • 安装OpenCV

图片处理都算依赖 OpenCV,版本号要 >=2.4版本,目前 14.0414.10默认的版本都是 2.4

  • 安装数学计算库 ATLAS

ATLAS提供离散数学,线性代数的计算支持

  • 安装 Boost

Boost提供了一系列的 C++算法支持,需要>=1.55版本,目前的 14.0414.10默认的版本都是 1.55

  • 然后就是一些依赖项

protobuf, leveldb, snappy, hdf5, gflags-devel, glog-devel, lmdb-devel

  • 安装 GIT

  • 下载代码

  • 编译 Caffe

然后修改里面的内容,主要需要修改的参数包括
CPU_ONLY是否只使用 CPU模式,没有 GPU没安装 CUDA的同学可以打开这个选项
BLAS (使用 intel mkl还是 OpenBLAS)
完成设置后, 开始编译

  • 编译出错的处理

Ubuntu 16.04下编译时候提示:

解决方法:
1. 编辑 Makefile.config,在文件最后,添加 /usr/include/hdf5/serialINCLUDE_DIRS

2.修改 Makefile文件,把 hdf5_hlhdf5修改为 hdf5_serial_hlhdf5_serial,也就是把下面第一行代码改为第二行代码。

原始内容:

修改后的内容: