GAN知识点

1.整体描述

1.前言

GAN模型中有两个分布，一个是生成器，一个是判别器，根据他们的名字就可以看出，生成器是生成和真数据相似的分布来欺骗判别器，二判别器是判断出假数据从而不让生成器得逞，原文中作者举了一个很形象的例子，生成器就如假币的贩子，判别器就如警察，假币贩子制造假币，警察识别假币找出假币贩子，是一个对抗的过程。

其实，原始的生成器和判别器很简单，就是一些全连接网络组成，可以通过反向传播进行端到端的训练，训练过程相当于一个不断学习和对抗的过程。

整个过程大概如下图所示，将随机噪音输入到生成器，这里的随机噪音例如可以服从的是高斯分布，生成器根据输入的噪声生成一张假图像，判别器将真实图像和生成的假图像作为输入进行训练，这里的判别器其实就是一个二分类模型，输出为真或假。

 2.目标函数

 式中，z是随机噪声，是随机噪声z的分布，是生成器，输入为z，其中有一个权重参数，是判别器，输入为图像x，他的权重参数为，所以对于GAN来说他训练的是两个模型，是一个对抗的过程，所以在他的目标函数中有一个求最大max和一个求最小min的过程。

GAN的目标函数包括两部分，如图中的红框和绿框：

  判别器D要最大化，的含义是将真实图像输入到判别器D中，判别器认为是真图的概率，判别器希望真实图像的概率越大越好，这就对应了式中的maxD，绘制出