上一篇论文中介绍了GAN[1]的原理,这篇继续介绍下它的公式推导的具体的过程,如果需要原理介绍的,可以回到上一篇关于GAN的文章的介绍中。(http://blog.csdn.net/susanzhang1231/article/details/73604302)
这张图给出了GAN训练的过程:首先固定G中的参数,训练一个可以用于分类的D,然后固定D的参数,调整G的参数,使其产生的图片送入当前的D中可以迷惑D认为它是真的图片(其实它是假的)。然后再固定此时的G,训练D,使得D可以区分当前的G产生的图片其实是假的。这样不断的提高G和D。
在正式推导GAN的公式之前,先加一点题外只是,KL散度(主要用于区分两个分布的一个评判方法)