TensorFlow深度学习实战（26）——生成对抗网络详解与实现

0. 前言

生成对抗网络 (Generative Adversarial Network, GAN) 能够学习高维复杂数据分布，受到了广泛的研究。自 2016 年首次提出 GAN 到以来，不到十年间，相关的研究论文已超过数十万篇。GAN 能够应用于生成图像、视频、音乐，甚至自然语言，例如，图像到图像的转换、图像超分辨率、药物发现，视频帧预测，GAN 在合成数据生成任务中表现尤为出色。在本节中，我们将学习 GAN 的原理并使用 TensorFlow 实现 GAN。

1. 生成对抗网络原理

生成对抗网络 (Generative Adversarial Network, GAN) 的关键思想可以通过将其比作艺术作品伪造来理解，艺术作品伪造是创作被错误鉴别为著名艺术家的艺术作品。GAN 同时训练两个神经网络。生成器 Generator G ( z ) G(z)