GAN学习总结

GAN 网络有两个神经网络，一个生成网络，一个区分网络。

区分网络就是我们平常看到的一般分类网络，进行输入，然后得到输入的标签。

生成网络是根据输入的噪声，将噪声尽可能的转换成已有的训练图像。噪声的分布有一定规律。

将训练集的图像和生成的图像都输入到区分网络中，区分网络的目标是判断训练集的图像为标签为1，生成的图像标签为0。

区分网络的损失函数分为两部分，一部分是将训练集的图像尽可能的判断为1，合成图像尽可能判断为0.

生成网络尽可能的将合成图像判断为1.

最后得到的最优结果是区分网络不能区分训练集图像和合成图像，概率为0.5。

网上有个例子我觉得很好。你要买个名贵手表，你就是区分网络。山寨商制造山寨品，是生成网络。我们买手表，肯定是要对正品和山寨的进行区分，最好的情况就是能完全区分正品和山寨的。但是山寨商会不断提高自己的山寨水平，让山寨手表看起来很像正品，我们就需要不断提高自己的区分水平。