生成式对抗网络GAN

generator

什么是generator

原本普通的网络是没有

这个东西滴，就是输入x然后经过network然后输出y就好了
那现在就多了这个东西，这个东西就是z。

那这个z呢，是从某一个distribution sample出来的，所以现在network不是只看一个x得到输出，它是同时看x和z得到输出，那z特别的地方是，它是不固定的，每一次我们用这个network的时候，他会随机生成一个z，所以z每次都不一样，它是从一个distribution里面sample出来的。

那这个distribution有一个限制，限制是，它必须够简单。所谓够简单是指，我们知道这个式子长什么样子，我们可以从这个distribution去做sample，所以每次你x进来的时候，你都从这个distribution里面去做一个sample，然后得到一个output,随着你sample到的z不同，y的输出也就不一样。

所以这个时候我们network的输出不再是单一一个固定的东西，而变成了一个复杂的distribution。

那这种可以输出一个distribution的network，我们就叫它generator。

什么时候需要generator

当你的一个输入可能会有不同的输出的时候

Unconditional generation

那，如果你把输入x拿掉，那就是Unconditional generation啦，如果你加上，那就是Conditional generation了。

Discriminator

Discriminator是什么

它的输入是一个image，输出是一个Scalar，这个Scalar越大代表这个图片越真，越小代表这个图片越小。

Algorithm

比方说首先先固定住G，然后训练一阵子D，
然后固定住D，再训练一阵子G。
反复地进行训练，当其中一者进行训练的时候另外一者就固定住。反复进行。