GAN 的 keras 实现

本文结构：

• 什么是 GAN？
• 优点？
• keras 例子？

---

什么是 GAN？

GAN，全称为 Generative Adversarial Nets，直译为生成式对抗网络，是一种非监督式模型。

一种应用是生成在原始数据集中不存在的但是却比较合理的数据，还可以拓展一张图片，生成下一帧影像，由简单几笔生成一幅画：

模型：

主要有两部分：

The Generative Model：通过输入任意随机数据，尝试生成一些真实的东西（曲线，图像，声音，文本，…）

The Discriminative Model：试图判定哪些是虚假的数据，来减小对真实数据的误报。

---

优点：

Markov chains are never needed
避免了计算复杂度特别高的过程，直接进行采样和推断，应用效率相应提高。

a wide variety of functions can be incorporated into the model
针对不同的任务就可以设计不同类型的损失函数。

can represent very sharp, even degenerate distributions

---

Keras 例子：

任务：生成 sin 曲线。

%matplotlib inline
import os
import random
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from tqdm import tqdm_notebook as tqdm
from keras.models