GAN：Generative Adversarial Nets（2014）

GAN：Generative Adversarial Nets（2014）

公式解析

1）公式中x表示真实图片，z表示输入G网络的噪声，G(z)表示G网络生成的图片；
2）D(x)表示D网络判断图片是否真实的概率，因为x就是真实的，所以对于D来说，这个值越接近1越好;
3）G的目的：D(G(z))是D网络判断G生成的图片的是否真实的概率。G应该希望自己生成的图片“越接近真实越好”。也就是说，G希望D(G(z))尽可能得大，这时V(D, G)会变小。因此公式的最前面记号是min_G;
4）D的目的：D的判断能力越强，D(x)应该越大，D(G(x))应该越小。这时V(D,G)会变大。因此式子对于D来说是求最大max_D。

如何训练GAN–交替进行训练

1)首先训练D，D希望V(G, D)越大越好，所以是梯度上升(ascending)；
更新D的参数?_? 来最大化? ̃ ：

2)然后训练G时，G希望V(G, D)越小越好，所以是梯度下降(descending)；
更新G的参数?_? 来最小化? ̃ ：