GAN是生成式模型,包括两个部分,生成器Generator和鉴别器Discriminator,G用来获取整个数据的分布,D用来判断样本是真实数据还是G生成的数据,G和D可以是任意的网络架构,最简单的是使用MLP。
生成器的输入是一个服从某种分布的随机的噪音z,通过MLP可以把z映射到任何一个想要拟合的分布。鉴别器的输出是一个标量,1代表D认为输入数据是真实样本,0代表D认为输入数据是G的生成样本。
目标函数是式(1.1),G最小化式(1.2),让D尽量认为G生成的样本是真实样本,D最大化式(1.3),尽量分清真实样本和生成器生成的样本。