GAN属于典型的非监视学习办法，中心原理是让两个神经网络停止“对立”，经过不时优化参数来失掉最优后果，自我博弈。梅宁航 发自 凹非寺最近，一位日本宅男大叔佐藤做了一个AI生成肖像画的网站AI Gahaku，10天内用户拜访量从0暴增到100万，引爆推特。复杂易操作，上传一张人脸照片，就能生成一张巨匠级肖像画。翻开凤凰旧事，检查更多高清图片而比技术更神奇的是佐藤本人，由于他是自学AI做出来的，不得不佩服的宅男发明力。佐藤患有阿斯伯格症——也被俗称成“社交恐惧症”，名副其实的天赋病，普通来说，此类患者会在某个范畴具有特殊潜能，但不顺应普通人的生活。当然，佐藤的技艺点就点在了AI上。pix2pix，TensorFlow内置的cGAN模型让大叔此次出名的AI技术，就是是大名鼎鼎的GAN的变种。此次的人脸肖像画生成技术，就是大叔在TensorFlow内置的cGAN(条件生成对立网络）中的pix2pix模型上改造而来。不同于GAN的技术通用性，cGAN更强调特定场景下的发扬，比方AI Gahaku，就只能针对人脸，假如用户上传的是猫脸，则是无法生成后果的。GAN的特点在于损失函数的自行计算和自动更新，这使得GAN自身具有和迁移学习结合的潜质，在近年来的开展途径上看，更多是把GAN当做手腕，去完成迁移学习提出的目的，迁移学习爲使用GAN提供详细指向。TensorFlow的内置pix2pix的是基于cGAN的图像对图像翻译的模型，模型自身曾经成熟，间接调用便可运用到对彩色图像着色、图像作风变化等场景的运用下去。详细到大叔的运用上，应用pix2pix模型，大叔其实是将模型限定在巨匠肖像画的生成上，这也表现了模型自身弱小的扩展性。如何运用，都取决于你本身。在佐藤的另一款作品PixelMe中，异样运用pix2pix技术，但是生成的是8bit的像素作风头像，一个模型，多种用处。当然，实践效果因人而异，毕竟严厉来说，大叔是在对既有模型停止二次开发，原有的算法和数据构造并未改动，因而功能和效果遭到原有模型的限制。宅男的AI进阶之路大叔人生阅历可以说复杂，从大学入学后，先后干过面包师，参与过护士学校培训课程，但觉得都都不太合适本人，直到他决议运用本人的才智，投身到AI的事业当中去。那说干就干，就从TensorFlow学起吧。借助Google Colab的算力资源，大叔从头按着TensorFlow教程学起，不过大叔也的确合适干AI，而不是去蒸糕点。在学习进程中，佐藤找到了合适本人的方向，迁移学习和GAN，可以较好的完成图像的再生成，运用不同的图像训练数据集，可以针对详细场景停止学习和生成。GAN属于典型的非监视学习办法，中心原理是让两个神经网络停止“对立”，经过不时优化参数来失掉最优后果，自我博弈。这种技术次要用在计算机视觉范畴，这也是佐藤选择GAN的次要缘由。得益于Google的大方，大叔运用的网站效劳器和算力资源都较爲廉价，大约爲一天20美刀，大叔表示，在可承受的才能范围之内，短期不会寻求商业化。AI for Everyone!在红了之后，大叔也没飘。他以为这是在做本人感兴味的东西，而不是爲了经济利益。出于对技术的酷爱，佐藤开端了本人的AI之路，并在两年之后便能上线使用。这份爲梦想而不懈努力的斗争肉体，才是真正值得我们学习的。毕竟，不是每团体有勇气去自学AI。