生成式对抗网络GAN由两个独立的网络：生成器和判别器组成。生成器是将随机采样的变量生成图像，判别器则是判别一张图像是否为“真”。在训练过程中，通过生成器和判别器之间的相互博弈，使得生成器生成的数据分布接近真实数据分布。

自GAN提出以来，已产生出许多优秀的GAN模型，它们有许多有趣的应用，比如汉字字体风格生成。由于汉字种类繁多、各种笔画部首复杂组合，以及各类的书写风格，使得每个汉字都有各自的独特性。传统的汉字字体风格生成方法通常将汉字视为字根+笔画的组合，通过不同的字根和笔画组合来构造一个新的汉字，但此类方法需要花费大量的人力和时间来拆分不同的字形结构。而采用GAN的方法，只需要输入足够多的数据样本，就可以自动学习出对应的汉字风格特征，这大大的节省了提取汉字风格特征的时间，开发者只需设计和改良网络结构，使用合适的损失函数来提取汉字风格即可。此外，基于GAN的生成器，也可用于去除输入数据中样本的风格信息，从而生成高质量的无风格数据。

但在实际的应用系统中，由于GAN的生成器将随机采样的变量转换为潜在的高维数据，而数据维度的上升，数据的样本空间会呈指数级别增长，维度越高，计算量越大。同时，GAN中的生成器和判别器是朝着相反的方向进行优化，以形成对抗。为此，GAN采用了对生成器和判别器进行交替优化的方案，即两阶段训练方式。这种训练方式引入了不少重复的计算量，使得GAN的训练效率较低。

6月16日，超集信息联合智东西公开课策划推出「生成式对抗网络应用及基础环境在线研讨会」。本次研讨会邀请到西交利物浦大学助理教授、机器人工程专业主任江浩川和超集信息解决方案部高级硬件工程师陈阳参与，主讲生成式对抗网络应用以及模型训练加速方案。

江浩川是西交利物浦大学助理教授、机器人工程专业主任，研究方向主要集中于机器学习、深度学习、机器视觉方面，包括生成式模型、解纠缠表征、图像分割、以及医疗图像处理。他于年获得英国利物浦大学博士学位，年及年分别获得香港中文大学硕士学位和中国矿业大学学士学位。他还曾供职于科沃斯机器人有限公司商用机器人研发部，担任工程师；也曾是腾讯平台与内容事业群研究员，以及英国爱丁堡大学工程学院数字通信研究所博士后研究员。

在本次研讨会中，江浩川老师将以《基于生成式对抗网络的汉字字体合成与无风格数据生成》为主题带来直播讲解。他首先将介绍样本风格信息处理的难点与方法，之后剖析生成式对抗网络的原理及风格信息处理问题。最后，他会重点讲解生成对抗网络的两个应用：基于单样本风格信息的汉字字体合成和去除风格信息的生成对抗分类器。

陈阳是超集信息解决方案部高级硬件工程师，高性能行业解决方案架构师，致力于生成对抗网络、自动驾驶、大型仿真等相关领域的解决方案。他曾负责国家重点军工单位大型模拟仿真对抗平台的规划与设计，擅长深度学习平台及网络系统的架构设计与管理。

在本次研讨会中，陈阳老师将就《生成式对抗网络应用的基础环境建设》这一主题，首先从GAN的应用场景出发，分析GAN应用面临的高维数据运算处理挑战。之后他会重点讲解加速GAN模型训练的软硬件解决方案，并分享超集信息在自动驾驶、医疗和军工行业的应用案例。

本次研讨会将在智东西公开课知识店铺上以视频直播的形式进行。研讨会全程由主讲、问答两个环节构成。针对本次研讨会，也组建了专属交流群，江浩川和陈阳两位主讲人都将加入，欢迎大家申请。

主题介绍

主题一

《基于生成式对抗网络的汉字字体合成与无风格数据生成》

提纲

1、样本风格信息的处理难点与方法

2、生成式对抗网络原理及风格信息处理

3、基于单样本风格信息的汉字字体合成

4、去除风格信息的生成对抗分类器

主讲人

江浩川，西交利物浦大学助理教授、机器人工程专业主任，研究方向主要集中于机器学习、深度学习、机器视觉方面，包括生成式模型、解纠缠表征、图像分割、以及医疗图像处理；年获得英国利物浦大学博士学位，年及年分别获得香港中文大学硕士学位和中国矿业大学学士学位；曾供职于科沃斯机器人有限公司商用机器人研发部，担任工程师；也曾是腾讯平台与内容事业群研究员，以及英国爱丁堡大学工程学院数字通信研究所博士后研究员。

主题二

《生成式对抗网络应用的基础环境建设》

提纲

1、GAN的应用场景

2、GAN应用面临的高纬数据运算处理挑战

3、加速GAN模型训练的软硬件解决方案

4、针对自动驾驶、医疗和军工行业的案例分享

主讲人

陈阳，超集信息解决方案部高级硬件工程师，高性能行业解决方案架构师，致力于生成对抗网络，自动驾驶，大型仿真等相关领域的解决方案；曾负责国家重点军工单位大型模拟仿真对抗平台的规划与设计，擅长深度学习平台及网络系统的架构设计与管理。

报名方式

对本次研讨会感兴趣的朋友，可以扫描下方

转载请注明:http://www.aideyishus.com/lkgx/614.html