生成对抗网络（GAN）的简单实现

生成对抗网络（Generative Adversarial Network，GAN）是一种强大的深度学习模型，用于生成具有逼真度的合成数据。GAN由两个主要组件组成：生成器（Generator）和判别器（Discriminator）。生成器负责生成合成数据样本，而判别器则负责对真实数据和合成数据进行区分。本文将详细介绍如何实现一个简单的生成对抗网络，并提供相应的源代码。

首先，我们需要导入必要的库。在本示例中，我们将使用Python中的TensorFlow库来构建和训练GAN模型。

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

接下来，我们定义生成器模型。生成器将一个随机噪声向量作为输入，并输出一个合成数据样本。在这个简单的示例中，我们将使用全连接层（Dense）来构建生成器模型。

latent_dim