大家好，今天来为大家解答产品经理必备技能提升系列教程（四）这个问题的一些问题点，包括也一样很多人还不知道，因此呢，今天就来为大家分析分析，现在让我们一起来看看吧！如果解决了您的问题，还望您关注下本站哦，谢谢~
生成模型通过对输入进行编码然后对其进行解码以生成输出来生成向量。
假设我们正在处理一个图片任务，输入是一只猫，我们最终得到一个输出图片。我们通过训练使输出图片逼近输入。这样，中间的代码向量一定是一个带有图像特征的向量（向量某个位置的值控制了图像对应的特征）
单独来看，解码器的后半部分是生成器。通过输入向量可以获得输出。随着输入矢量值的变化，可以观察到输出图像的特征的变化。
不过，这样的训练方式（输出图片与输入接近）可能会有缺陷，因为机器在判断图片之间的相似度时，实际上是像素级的相似度判断（类似于像素平均值），比如如下图，偏差像素和偏差较小的两个场景对于机器来说差别不大，但对于人类的知识判断来说差别很大。
示例：然而，GAN 模型在生成模型中添加了判别器。判别器可以更好地判断图像的质量。判别器可用于反向训练生成器以获得更好的性能。
基础GAN模型
GAN模型由生成器和判别器组成
基本GAN判别器：可以对输入图像进行评分。判别器训练的目标函数是给真实对象较高的分数，给生成器数据较低的分数；所以对于判别器来说，人类提供的样本是好的，而生成器生成的样本会给出高分。如果不好，则给予低分；判别器具有天然的偏差，而人类本身并没有定义偏差，但是这里样本与生成对象的差异就成为判别器得分的特征点。
生成器：丢入一个低维向量，经过生成器后，会生成一个高维矩阵对象（文本/图像/音频）。生成器训练的目标函数是力争使生成的结果在判别器中尽可能高。
这时候我们就把两个模型放在一起进行训练。这里有一个生动的例子：生成器就像一只“舔狗”，而判别器就是被舔的对象。被看好的人是自信的人，是别人心中的目标。他是那种天生高富帅的人，不是穷矮矮的发电机；但生成器却不愿意接受，认为我们都是人，能有什么区别，为什么要受到区别对待呢？生成器从自身找原因，看不起我们，我们为什么不能改变它呢？因此，生成器每次取得进展时都会“舔”。虽然每次都心痛不已，但鉴别者却逐渐对其进行评价。渐渐地就高了。最终皇天不负有心人，终于成功舔到了甄别者，感觉这个人似乎还可以，很符合他心目中的白马王子。从那时起，无论生成器说什么，判别器都认为是正确的！
这就是所谓的对抗过程。鉴别器将其正样本作为标准，并使用鞭子来教导生成器如何表现。生成器本身也希望能够得到对方的认可，继续努力，最终取得一个让各方都满意的结果。类似于博弈论中的纳什均衡。这时候就可以利用GAN来生成符合人们期望的任务。棒子下，表现还是很不错的~
条件GAN模型
Conditional GAN Conditional GAN，顾名思义，是在生成的基础上添加条件限制。最终生成的对象不仅要符合真实的对象，还必须与条件相关。训练过程不仅向生成器提供附加条件，还向判别器添加条件。这样，当判别器拿着鞭子教生成器做人时，它不仅教它做人，还教它应该成为什么样的人。
有了条件GAN，我们的生成模型就具有了更实际的任务意义，而不仅仅是生成一堆符合人类认知的物体。
CycleGAN
image.pngCycleGAN 的特点是G 循环。输入一张图片（声音也可以）后，生成目标图片，然后通过生成器生成图片。我们的训练目标是输出和输入尽可能相同。这样，中间的图片肯定会保留关键的内容特征，然后中间的图片可以在判别器的鞭打下转换成其他的图片风格（相应的声音可以改变音色）。这个过程是无监督的，只需要提供判别器需要的例子即可~
GAN模型有几十种，但它们都使用对抗性的思想来使模型在某些任务中表现更好，所以这里不再赘述；
GAN应用
图片-图片
图片创造
通过GAN可以生成各种图像：人脸、卡通人物、风景、商品等。可能存在以下潜在应用场景：
1、通过生成人脸，避免部分商业场景中的人像问题。
2、通过生成风景，或许可以解决拍摄电影时的背景问题，增加虚拟画面的质感。
3、卡通形象可以满足一些头像场景，将真人转变成某种卡通人物的头像。
4.通过给出一个大概的轮廓，将图片转换成非常美丽的风景（有条件）（已经有类似的绘图应用）
图片改动
GAN可以非常自然地改变图片的部分内容：风格、人物动作、人物服装、像素增强和补充。可能存在以下场景：
1、风格迁移在GAN模型下效果会更好；通过衣服和鞋子的风格转移，可以搭配相同风格的衣服
2、改变照片中人物的动作和服装可以应用于电商场景，用户可以尝试“穿”衣服；
3.更改照片中人物的发色或肤色，即可规划适合自己的发型和风格
4.改变角色表情可以运用在社交场景中，增添不少趣味
5.可以给老照片补色、增强像素或者补全缺失的信息（小程序：当年的你和我）
6、增加原始图像的像素，可以在影视业务中提供一些分辨率增强操作。
文字-图片
给定一段文字，生成对应的图片；例如：“马在吃草”，最终生成一张马吃草的照片。
它可用于教育场景中，生成照片供儿童通过与他们互动来使用。
声音-声音
与图片类似，我们也可以在音频场景中添加或去除一些噪音；我们还可以使用GAN 通过小样本来变换音色。
【产品经理必备技能提升系列教程（四）】相关文章：
2.米颠拜石
3.王羲之临池学书
8.郑板桥轶事十则
用户评论
这篇文章一定很有帮助！我想学习怎样把机器思维应用到产品策略中来。
有9位网友表示赞同！
我对了解如何设计AI驱动的用户体验很感兴趣。
有16位网友表示赞同！
我一直想了解更多关于AI产品市场的一些实用技巧，看这本书能给我带来启发吗？
有14位网友表示赞同！
听说AI产品经理现在越来越受欢迎！学习这方面的知识是不是很有前景?
有6位网友表示赞同！
感觉用AI来管理产品开发流程会更高效很多。
有11位网友表示赞同！
之前从来没有接触过AI产品方面的知识，这本书适合入门吗？
有18位网友表示赞同！
想了解一下AI产品的特点和与传统产品的区别。
有15位网友表示赞同！
希望能从这篇文章中学习到如何使用数据来指导AI产品的开发。
有9位网友表示赞同！
我一直在尝试用AI工具来提高工作效率, 这篇文章能给我带来一些新的想法吗？
有20位网友表示赞同！
期待看到这篇文章中关于AI产品经理的角色定位和职责划分的内容。
有11位网友表示赞同！
我希望能了解一下常见的AI产品思维模式，以便更好地理解用户需求。
有16位网友表示赞同！
学习如何使用敏捷开发方法来构建AI产品也很重要吧？
有5位网友表示赞同！
现在有很多AI工具可供选择, 这篇文章会介绍怎么样选择合适的工具吗？
有13位网友表示赞同！
希望这篇文章能提供一些关于AI产品测试和迭代的经验分享。
有17位网友表示赞同！
最近我开始关注AI伦理问题，不知道这篇文章会涉及到这个问题吗？
有19位网友表示赞同！
我已经有一定的编程基础，想学习如何将AI技术应用到产品中。
有8位网友表示赞同！
我对未来的AI产品发展趋势感到非常好奇，希望能从文章中得到一些启发。
有12位网友表示赞同！
这本书适合哪些类型的读者呢?
有20位网友表示赞同！
这篇文章能不能帮我了解一下AI产品的商业化模式?
有20位网友表示赞同！