GAN的原理（一）

首先讲一下GAN 的原理是什么，我们首先是要看一下生成器

生成，就像机器看了一大堆诗生成一段诗，看了很多动画漫画生成漫画一样，有什么方法可以帮助我们做到这样的事情呢？？

我们可以训练一个Auto_encoder，其做的事情是我们有一个NN的encoder，把一张image丢到NN的encoder，让其变为code，有一个NN的decoder，把code丢到NN的DECODER里，其变回了一张image.
在训练的时候EN和de是一起训练的，我们希望其input和output越接近越好。学好这个Auto_encoder以后呢，我们可以把decoder拿出来给她一个code,这个code只要是一个Randomly generate a vector 随机生成向量，l理论上就可以产生一张image

举例来说：在那个手写数字mnint数据集上训练一个Auto_encoder，
以下是真实的实验结果，输入给decoder[1.5,0]这个向量，把这个向量丢到input里面其output就是0，[1.5,0]这个向量丢到input里其output就是1，如果在x轴是[-1.5,1.5]，y轴在是[-1.5,1.5]之间等距做样本的话，会像是下一张ppt的样子。

横轴带包从圈圈到一竖的变化过程，数轴代表数字的角度。