Gan（Generative Adversarial Net）学习笔记（1）--- Gan的基础理论

注：参考自知乎用户 何之源的《GAN学习指南：从原理入门到制作生成Demo》以及

      ‘机器之心’的《独家 | GAN之父NIPS 2016演讲现场直击：全方位解读生成对抗网络的原理及未来》。

--------------------------------------------------------------------------------------------------------

一、Gan原理介绍：

  以生成图片为例，假设有两个网络：G(Generator)和D(Discriminator)。功能分别为：

• G是生成器，用来生成图片，接收一个随机的噪声z，通过z生成图片，记作G(z)。
• D是判别器，用来判断一张图片是不是“真实的”。输入x(代表一张图片)，输出D(x)，表示x为真实图片的概率。

 在训练过程中，G的目标是尽可能生成一张图片去欺骗D，使D将其判别为真实的；D的目标就是尽量把G生成的图片和真实的图片分别开。这样，就生成了一个“对抗过程”。

 在最理想的状态下，对抗的结果是，G生成足以以假乱真的图片G(z)，D难以判定他究竟是不是真的，因此此时D(G(z)) = 0.5。