tensorflow学习笔记（十）：GAN生成手写体数字（MNIST）

---

---

一、GAN原理

生成对抗网络简称GAN，是由两个网络组成的，一个生成器网络和一个判别器网络。这两个网络可以是神经网络（从卷积神经网络、循环神经网络到自编码器）。生成器从给定噪声中（一般是指均匀分布或者正态分布）产生合成数据，判别器分辨生成器的的输出和真实数据。前者试图产生更接近真实的数据，相应地，后者试图更完美地分辨真实数据与生成数据。由此，两个网络在对抗中进步，在进步后继续对抗，由生成式网络得的数据也就越来越完美，逼近真实数据，从而可以生成想要得到的数据（图片、序列、视频等）。网络结构如下：

GAN的公式：

更多理论知识请参考：生成对抗网络GAN详细推导。

需要注意的就是GAN模型中没有用到卷积，只是简单的多层神经网络。在网络中，也没有新的tensorflow函数，在经过了前边几篇学习笔记和理论知识学习之后，实现起来也比较容易实现。

二、项目实战

2.1 项目背景

基于MNIST数据集，利用GAN生成手写体数字。有关MNIST的简介，请参考：tensorflow学习笔记（四）：利用BP手写体(MNIST)识别。