GAN（一）：Loss函数（vanilla GAN objective）

GAN中的loss函数的构建

主要分为 G_Loss & D_Loss，分辨为generator和discriminator的损失函数

G_Loss：

设置这个loss的目的在于：尽可能使G（generator）产生的伪数据能够与真实数据一致（真实数据标签为1）
基于此：在tensorflow中，将该loss设置为如下格式

        D_fake_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(labels=tf.zeros_like(G_pro), logits=G_logits))

        self.G_loss = G_fake_loss

D_Loss：

设置这个loss的目的在于：让D（discrimination）尽可能将实际样本分为1，将伪样本分为0
基于此：在tensorflow中，将该loss设置为如下格式

        D_real_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(labels=tf.ones_like(D_pro), logits=D_logits))
        G_fake_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(labels=tf.ones_like(G_pro), logits=G_logits))

        self.D_loss = D_real_loss + D_fake_loss