GAN训练目标函数的理解

Gan 训练目标

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

该公式最大化鉴别器D和最小化生成器G，$P_{data}$是样本中采样的真实图片，D(x)是真实图片的概率；$P_z$指生成一份随机噪声z；G(z)是噪声z通过生成器生成的图片，D(G(z))是这个生成图片是真实图片的概率。

模型训练过程：

step1:固定G，优化D，最大化D$\to maxV(D,G)$

$$\underset{D}{\max }=E_{x\sim p_{data}}\log [D(x)]+E_{x\sim p_z}\log [1-D(G(x))]$$

step2:固定D，优化G，最小化G$\to minV(D,G)$

$$\underset{G}{\min }=E_{x\sim p_z}\log [1-D(G(x))]$$
step2中，G通过最小生成误差来欺骗鉴别器，使$D(G(x))$的输出趋近与1，最后的
${\min }_D$输出最小。