生成对抗网络（GAN）的简单理解与实验

生成对抗网络（Generative Adversarial Networks，简称GAN）是一种强大的深度学习技术，用于生成逼真的图像、音频和其他类型的数据。GAN包含两部分，一个生成器（Generator）和一个判别器（Discriminator），它们通过对抗训练的方式相互竞争，最终达到生成高质量样本的目标。

生成器的作用是从随机噪声中生成伪造的数据样本，而判别器的任务是区分真实样本和生成器生成的伪造样本。通过不断迭代训练，生成器逐渐学习生成更加逼真的样本，而判别器则变得越来越擅长区分真伪。最终，生成器和判别器的对抗训练使得生成器能够生成非常逼真的样本。

下面我们将通过一个简单的实验来演示生成对抗网络的工作原理。我们将使用Python和深度学习框架TensorFlow来实现。

首先，我们导入必要的库：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
imp