对抗生成网络原理

对抗生成网络模型如下图：

1.分为生成网络G和对抗网络D，对抗网络G是用于生成数据，对抗网络是用语判断真假数据，即判断数据是真实的还是生成的；

2.z是随机生成的隐藏向量，通过生成网络G后得到生成数据G(z)；

3.x是原始的数据；

4.首先需要训练一个最佳的对抗网络，有了一个很好的判断真假数据的网络，我们才能确保生成出来的假数据可以以假乱真，所以要最大化对抗网络D的区分度，即达到使得D(G(z))=0和D(x)=1的境界；

5.其次需要训练一个完美的生成网络，由于有了一个最佳的对抗网络，所以生成网络G只需要努力的生产出假数据，使假数据通过生成网络D时能够以假乱真，达到D(G(z))=1的境界。

那么，具体怎么实现呢？先看看那伟大的数学家帮我们推导出来的公式：

公式中，很复杂，将其分为两个模型：

1.对抗模型

对抗模型中，需要尽量满足D1(x)=1，所以上述式子第一个加数尽量为0；需要尽量满足D2(G(z))=0，所以第二个加数尽量也为0。上面的式子，其实只能尽量满足，不能满足的那一部分就作为损失函数，由于计算出来的是负值（log(x）中的x是0~1的时候结果为负），所以在整个式子前面加上负号即可转为正数，这个正数越小越好。

2.生成模型

生成模型中，需要尽量以假乱真，就是使得D2(G(z))=1，所以公式中的结果尽量等于0。不等于的部分，作为损失函数就可以了，同样加上一个负号，即可转为正数，这个正数越小越好。

---