pytorch 生成手写数字图像

生成对抗网络的概念

最基本的GAN模型由一个生成器 G 和判别器 D 组成。生成器用于生成假样本，判别器用于判断样本是真实的还是假的。

1. 生成器(Generator)：通过机器生成数据（大部分情况下是图像），目的是“骗过”判别器
2. 判别器(Discriminator)：判断这张图像是真实的还是机器生成的，目的是找出生成器做的“假数据”

首先，固定判别器D，训练生成器G。让生成器不断生成假数据，然后让判别器D去判断，一开始生成器G生成的结果很容易被判别器D识别，然而随着不断的训练，生成器G效果不断提升，直到判别器无法分辩出数据的真假，也就是说这时判别器判断真假数据的概率为0.5.

然后固定生成器G，训练判别器D。当判别器无法分辩生成器生成的数据的时候，这时继续训练生成器是没有意义的。这时，可以训练判别器D，提升判别器D的性能。

数据集的显示

import matplotlib.pyplot as plt
import torchvision.transforms as transforms
from torch.utils.data import DataLoader
from torchvision import datasets

tran