MNIST GAN, пишем и разбираем самую простую генеративную сетку

Генеративные нейронные сети (GAN, Generative Adversarial Networks) — это класс машинного обучения, где две нейронные сети, генератор и дискриминатор, обучаются совместно в процессе, известном как "игра с нулевой суммой". Основные компоненты и их работа: 1. Генератор: - Цель: Создавать данные, максимально похожие на реальные. - Входные данные: Генератор получает случайный шум (обычно из нормального распределения) и преобразует его в данные, например, изображения, текст или звук. - Задача: Обмануть дискриминатор, чтобы тот принял сгенерированные данные за настоящие. 2. Дискриминатор: - Цель: Отличать реальные данные от сгенерированных. - Входные данные: Дискриминатор получает как реальные данные (из тренировочного набора), так и данные от генератора. - Задача: Правильно классифицировать данные как реальные или сгенерированные. -------