直观理解GAN公式含义，直击灵魂

理解GAN的基本思想

1.GAN是干什么的

GAN于2014年Goodfellow提出，提出的出发点&创新点是：

①我们能不能通过深度学习生成图片？

我们通过Generative Adversarial Network [对抗生成网络]生成图片。GAN的类型 是一种“方法论”而不是网络结构 ，既可以用于与NN结合，也可以与CNN结合。

②如何解决？

生成器：Generatior

决策器：Discriminator

理解这两个结构有助于后面的公式推导，也就是说：

• G负责从某种分布的噪音中生成一幅图片，做为fake image，生成的越“真”越好。

• D负责监测/评价G生成的fake image，判断生成样本Real or Fake。
  

2.理解GAN的价值函数

2.1如何直观理解公式

$$\underset{G}{\min }\underset{D}{\max }V(D,G)=E_{x-P_{data}(x)}[logD(x)]+E_{z-p_z(z)}[log(1-D(G(z)))]$$

• 首先为什么不用传统机器学习的Loss function而使用V(D, G)?

Value Function【价值函数】这个概念来自于强化学习（Reinforcement Learning），这里不多说，简而言之它的意思是：在状态t下通过观测自己的状态而做出一个决策，这个决策使得t+1时刻进入新的状态，而这种转移带来的收益记作Reward(R1, R2, R3…Rt)。状态结束时我们希望Value Function收益最大。

• 理解价值函数Value Function

这里说一个形象的小故事。

小天家祖传三代鉴赏师，从小家里就培养他接触家族事业——成为最伟大的Discriminator。从他还不会说话的时候就让他学习鉴赏，大量浏览赝品于真迹，未来的生活里，他鉴别成功的次数越多，他赚的钱就越多，Reward越多。这是小天家的理念。

小华家祖传三代仿制大师，一生坑人无数，从小家里就培养他接触家族手艺，成为伟大的——Generator。从还不会走路就开始学习制作仿品，未来的生活中，制作的仿品一旦被发现就要坐牢甚至被追杀，富贵险中求，越少被拆穿，Reward越多，这是小华家的理念。

**GAN就是为了生成以假乱真的样品，如果我们顶级的Discriminator都鉴别不出Generator生成的Fake Image，那么才算成功的GAN。**所以这里用Value Function 表示目的是为了获取最大收益就可以形象的理解了

2.2分析GAN公式细节——max部分

补充：公式中的 x 表是真品； z 表示噪声；D(x)表示真品概率；G(z)表示通过噪声生成的赝品&#x