[GAN学习笔记] 基础GAN（一）——原生GAN

本笔记基于 deeplearning.ai 的 Generative Adversarial Networks (GANs) 专项课程

1. 简述

GAN由两个主要部分部分组成， 生成器（generator）和鉴别器（discriminator）。拿图像来说，生成器的作用的生成图像以尽可能迷惑鉴别器，鉴别器的作用是接收图像进而鉴别图像的真伪，整个GAN训练的过程就是两部分对抗的过程，故叫做生成式对抗网络。训练的结果使得生成器生成的假图像看起来真实。

2. 鉴别器（discriminator）

鉴别器实际上就是一种分类器（classifier），当输入一个图像时，网络输出当前图片属于某一类的条件概率，即输出$P(Y|X)$，X为输入的特征，Y为所对应的类别。这个结果会作为反馈输入到生成器中以更新生成器的参数。

3. 生成器（generator）

生成器接收一个噪声$\xi$，输出假的图像给鉴别器，鉴别器经过运算后再将结果反馈给生成器以更新其参数。

4. BCE Cost Function

BCE Cost Function 的中文名为二元交叉熵损失函数，其表达式为

J ( θ ) = − 1 m ∑ i = 1 m [ y ( i ) log ⁡ h ( x