⽣成对抗⽹络 GAN

⽣成对抗⽹络（Generative Adversarial Network，简称GAN）是⾮监督式学习的⼀种⽅法，通过两个神经⽹络相互博弈的⽅式进⾏学习。 其本质是从数据分布上模仿另⼀批数据体。

论⽂地址：https://arxiv.org/pdf/1406.2661.pdf

系统组成：⽣成器 （⽣成）、鉴别器 （对抗）

鉴别器 和 ⽣成器 可以根据数据特点进⾏设计。

训练过程

1. 准备要模仿对象的数据；

2. 定义模型：定义⽣成器模型和鉴别器模型（⼆分类模型）；

3. 训练模型：同时训练⽣成器和鉴别器。

GAN⽹络的核⼼思想

G：⽣成

        ⽣成器 ---> 模拟/⽣成样本 （本质上，只是在对⼝型！）

        输⼊⼀个噪声

        输出⼀个样本

D：鉴别

        鉴别器 --> 判定是真样本还是假的样本 （⼆分类任务）

        A：对抗 — 对抗训练

        鉴别器的训练⽬标：

                规规矩矩的⼆分类

                鉴别真假

                给我真样本，那就输出真

                给我假样本，那就输出假

                输⼊：

                        从数据集中获取的样本 --> 真

                        通过⽣成器⽣成的样本 --> 假

                损失：交叉熵

        ⽣成器的训练⽬标：

                骗过鉴别器

                ⾃⼰⽣成的样本，让鉴别器觉得是真的

                训练过程：

                        输⼊：噪声

                        输出：样本（假）

                        损失：

                                把⽣成的样本给鉴别器，得到鉴别器的输出

                                损失就是衡量鉴别器的输出跟真标签之间的差距

                        在训练鉴别器时，⽣成器只是正向传播，⽣成器不应该参与训练

                        在训练⽣成器时，鉴别器只是正向传播，鉴别器不应该参与训练

                        对抗：