深度学习——GAN（生成网络）损失函数解析

      生成网络（GAN）是近年来很火的课题，原始论文《Generative Adversarial Nets》的介绍请移步：https://blog.csdn.net/wenqiwenqi123/article/details/86178376

      本篇主要详细解析它的损失函数。在论文中损失函数定义为：

 

      当然乍一看去，没看懂这个损失函数。我们细细来看：

      GAN的原理就是G（生成器）努力制造以假乱真的图，而D（判别器）努力分辨出假图。这样一起努力最后生成的图就会越来越逼真。一切损失计算都是在D（判别器）输出处产生的，而D的输出一般是fake/true的判断，所以整体上采用的是二分类交叉熵函数。

　　左边包含两部分minG和maxD。

      首先看一下maxD部分，因为训练一般是先保持G（生成器）不变训练D的。D的训练目标是正确区分fake/true，二分类问题使用了sigmoid激活函数，因此Dÿ