GAN基本概念

GAN（Generative Adversarial Nets）生成对抗网络

GAN 主要包括了两个部分，即生成器 generator 与判别器 discriminator。生成器主要用来学习真实图像分布从而让自身生成的图像更加真实，以骗过判别器。判别器则需要对接收的图片进行真假判别。在整个过程中，生成器努力地让生成的图像更加真实，而判别器则努力地去识别出图像的真假，这个过程相当于一个二人博弈，随着时间的推移，生成器和判别器在不断地进行对抗，最终两个网络达到了一个动态均衡：生成器生成的图像接近于真实图像分布，而判别器识别不出真假图像，对于给定图像的预测为真的概率基本接近 0.5（相当于随机猜测类别）。

（自己理解：首先将该网络分成两个模块--Generator和Discriminator,其中G是产生我们所需目标的角色，而D则是通过我们直接训练造就的指导者。我们通过表示正样本和负样本或者说不断修改D所判别的结果使其符合我们预期，慢慢的D会形成一套自己的成熟网络体系。此时，D将这套网络体系传授给G，那么G可以明白自己要产生的产品是是什么样的，并不断优化成熟。）