生成对抗网络

前言

本人对于深度学习算是小白一枚，之前有不懂的问题，时常会翻看大牛们的技术博客，看多了，自己心里也痒痒的，于是就有了把自己的学习和思考的结果写下来的想法。同时也希望能借此文章与深度学习的小白们共勉，你不是一个人在战斗。^_^

生成对抗网络

Goodfellow等人于2014年提出的模型，其特点是具有两个对立的网络，一个叫生成网络，另一个叫判别网络。
我们很容易顾名思义，简单来讲：

生成网络，就是一个从无到有的网络（当然也不绝对如此），把一些毫无规律的数据（我们称之为噪声）映射到和训练样本相同的空间，训练的目地就是学习两者之间的规则（我们称之为分布）。
判别网络，其输入既可以是训练样本，也可以是生成网络的输出（不如说必须如此），目的是区分数据是来自样本集还是来自生成网络，所以它的输出是表示输入是来自样本集的概率。

---

其实Goodfellow提出生成对抗网络的最初目的是为了得到一个好的生成模型，这个模型可以以真实数据的分布得出新的数据，当然要想得出真实数据分布这一点本身几乎不可能，更别说评判生成模型是否学到了真实的分布，所以才有了用另一个网络来评判的想法。

在这插一句，看过原文的思想之后觉得生成对抗网络其实原理和机器学习里的“EM算法”很相似，有兴趣的可以自学一下。

下面正式转述作者的想法
首先，一上来作者就对深度玻尔兹曼机一阵鄙