深度学习《EBGAN》

本文学习自李宏毅老师的深度学习视频。
EBGAN如下图所示：

它仅仅只改变了判别器D的结构，它将D改成一个AE的结构，也就是说，现在给D一个数据让他判断是不是真实的数据，它的做法就是去把数据重构一把，看看能不能重构回来，也就是看看重构的损失/误差大不大，根据这个损失值去打个分数，如果重构损失越小，说明原来的图片的效果越好，相反如果重构损失越大，说明原来的图片的效果越差。

传统的D网络是一个二元分类器，训练的时候需要正负样本，不能单独训练，需要G网络产生负样本。但是现在D网络变成了一个损失值的计算，不属于分类了，也就第不需要G来帮助产生负样本。而是根据可重构的损失来评估输入图片的质量，训练D的时候只需要最小化重构损失即可。

这样做的最大好处就是，D模块可以被独立训练，也就是提前训练好，而且只拿真实的数据去训练即可，可以不用虚假数据训练，这样的话，对G来说，D不是陪着G一起成长的，也是G从很弱的时候就遇到了超厉害的D的批判，正所谓严师出高徒，名师出高徒，这种情况下，这样的G会被训练的很快，可能没几个轮次就出了比较好的照片了，效果也应该会很好。

传统的方式就是，G和D一开始都很弱弱的，D训练几个轮次变强了后，G慢慢跟上，D再变强，G再跟上，D再变强，G再跟上，这个过程很慢的。