生成对抗网络（GAN) 手写数字图像生成

生成式对抗网络（GAN)

简介

生成式对抗网络的框架主要有两个模型，一个是生成模型（Generator），记为为 G,是用来生成数据，通过大量的样本学习，生成一些能够以假乱真的数据样本。第二个是辨别模型(Discriminator)，记为D，主要是接受 G生成的样本数据和真实样本数据，进行辨别和分类。生成网络G接受一个随机的噪声z并生成图片，记为G（z）；判别网络D的作用是判别一张图片x是否真实，对于输入x，D(x)是x为真实图片的概率。G和D相互博弈，通过学习，G的生成能力和D的辨别能力逐渐增强直到收敛。

原理

一个随机生成符合随机分布的噪音 z, 生成器G通过一个复杂的映射关系生成假样本

                                                                                          

辨别器对于真实样本和假的样本，输出一个0到1之间的值，越大就越有可能是真实样本

                                                                                           

总的目标函数

                                   

代码

# encoding: utf-8
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
import os
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data/')
#