GAN的入门级理解（按文章顺序）

1.https://www.leiphone.com/news/201706/ty7H504cn7l6EVLd.html

我的理解：一开始，G网络利用一组随机噪声生成一堆合成的垃圾照片，交给D网络判断，D早就看过真实的棒棒的图片，因而一下子就判断出这些是垃圾照片，G很生气，但是D很好心，他希望G不要气馁，给了G一个loss函数，希望G可以提升自己的本领。G根据D给他的loss函数，开始优化自己，然后又生成一堆新的垃圾图片给D看，又被D给看出来是垃圾图片了，但是D夸G这次比上次有进步了，所以D给了G一个比上次更大的loss函数作为奖励，让G可以更有依据提升自己，循环往复，G变得越来越强，直到D分辨不出到底是垃圾图片还是真实图片了。

loss函数：

 

优化D：

x是原始高清图像，G（Z）是生成器根据一系列噪声生成的假样本，max（D）第一项的意思是使得判别器函数D（x）越大(接近1）越好，D（G（Z））越小（接近0）越好。即判别器对真实样本的判断结果接近1，对假样本判断的结果接近0。------判断能力杠杠的优化G：（G的目的就是想让生成器判别不出来自己造的假样本）也即是希望判别器函数D（G（Z））越大(接近1）越好

 

转载于:https://www.cnblogs.com/nkh222/p/8145811.html