学习笔记：生成对抗网络GANs原文的理解

我研究GANs大概有一年时间了，稍后会把自己做的多篇论文笔记逐一发布出来，互相讨论。

参考Goodfellow的论文，论文链接：https://arxiv.org/abs/1406.2661

1.核心内容：

        提出通过一种对抗的方式训练生成模型，论证存在一个解使得生成模型可以很好地模拟真实数据分布。（生成模型的本质是生成与真实数据近似的数据）

2.对抗是如何实现的：

        首先定义两个网络（可以是多层感知机），取名为生成器G和判别器D，G的目的是尽量模拟真实数据分布，D的目的是尽量区分数据是来自于真实数据还是生成数据。其实在我看来，D的角色就像是一个二分类器，D的loss function是最大化分类正确率，不同的是G的loss function是尽量使来自于生成器的数据被D 误判。这体现了对抗的思想。