PyTorch 深度学习 || 5. 生成模型 | Ch5.4 生成对抗网络（GAN）

生成对抗网络（GAN）

1. GAN 的基本概念

2014年，深度学习三巨头之一Ian Goodfellow提出了生成对抗网络（Generative Adversarial Networks，GANs）这一概念，刚开始并没有引起轰动，直到2016年，学界、业界对它的兴趣如“井喷”一样爆发，多篇重磅文章陆续发表，Lecun这样形容GANs“adversarial training is the coolest thing since sliced bread”。2016年12月NIPS大会上，Goodfellow做了有关GANs的专题报告，使得GANs成为了当今最热门的研究领域之一。学习 GAN 的初衷，即生成不存在于真实世界的数据。类似于AI具有创造力和想象力。

理解GAN的最简单方法是通过一个简单的比喻：
假设有一家商店它们从顾客那里购买某些种类的葡萄酒，用于以后再销售。

然而，有些恶意的顾客为了获得金钱而出售假酒。在这种情况下，店主必须能够区分假酒和正品葡萄酒。

你可以想象，最初，伪造者在尝试出售假酒时可能会犯很多错误，并且店主很容易认定该酒不是真的。由于这些失败，伪造者会继续尝试使用不同的技术来模拟真正的葡萄酒，最终才有可能成功