基本原理
损失函数
简化为:
1. log:底数为自然数e
2. m:样本数
3. :表示判别器在真实数据上判断出的结果
4. :表示判别器在假数据上判断出的结果
5. 都是样本为真的概率,即标签为1的概率
1. V不存在最小值,最大值为0
2. V在判别器的判别能力最强时达到最大值
生成器角度
c 为常数
=>
为了让输出数据越真越好,最理想=1,损失G会无限接近负无穷
判别器角度
判别器本质追求=1,=0,希望损失D越大越好,最佳损失为0
整体追求V越小越好,我们与生成器目标一致