GAN论文精读读后感

GAN：生成对抗网络，架构采用了一个生成模型和一个判别模型，生成模型的输入是一个100维的均值为0方差为1的高斯分布，通过多层感知机来学习一个映射参数来拟合原输入x，判别模型的输入是x和生成模型的输出（标签分别是1和0）。
目标函数为

其中判别模型需要最大化这个函数，生成模型要最小化右边的式子。

具体过程：

每次从z中采样m个噪声样本，从x中采样m个真实样本作为小批量来更新判别器的参数，再用m个噪音样本来更新生成器参数，判别器的性能不宜过强与过弱，否则会影响生成器的更新动力。
目标函数的正确性（理论）：

判别器的最优解是可以得到上述解。
原理如下

把D的最优解代入原目标函数后

而根据KL散度/香农散度可知，当且仅当pdatax = pgx（分布=分布）时，V（G,D）取到最大值。