cycleGAN

   传统GAN的原理已经了解，写博客还是为了学习新东西，cycleGAN网上已经有了很多介绍，这里也是参考别人写的东西，自己再学习了解。
   cycleGAN个人感觉主要可以用于风格迁移，可以用来处理图像转换过程中数据unpair的问题。其本质是两个对称的GAN,构成一个环形网络。两个GAN共享两个生成器，并各自带一个判别器，即总共两个判别器和两个生成器。其基于的原理是，一个A类型的图片，经过两次变换，可以变回自己，B类型亦然。表示如下：

$$G_{B2A}(G_{A2B}(x))=x$$
$$G_{A2B}(G_{B2A}(y))=y$$
   cycleGAN的模型结构如下所示：

   介绍一下损失函数，对于生成网络x到y及其判别网络,目标函数为：

LGAN(G