GAN（生成对抗网络） 解释

GAN (生成对抗网络）是近几年深度学习中一个比较热门的研究方向，它的变种有上千种。

1.什么是GAN

GAN的英文全称是Generative Adversarial Network，中文名是生成对抗网络。它由两个部分组成，生成器和鉴别器（又称判别器），它们之间的关系可以用竞争或敌对关系来描述。

我们可以拿捕食者与被捕食者之间的例子来类似说明两者之间的关系。在生物进化的过程中，被捕食者会慢慢演化自己的特征，使自己越来越不容易被捕食者识别捕捉到，从而达到欺骗捕食者的目的；与此同时，捕食者也会随着被捕食者的演化来演化自己对被捕食者的识别，使自己越来越容易识别捕捉到捕食者。这样就可以达到两者共同进化的目的。生成器代表的是被捕食者，鉴别器代表的是捕食者。

2.GAN的原理

GAN的工作原理与上述例子还有略微的不同，GAN是已经知道最终鉴别的目标是什么，但不知道假目标是什么，它会对生成器所产生的假目标做惩罚并对真目标进行奖励，这样鉴别器就知道了不好的假目标与好的真目标具体是什么。生成器则是希望通过进化，产生比上一次更好的假目标，使鉴别器对自己的惩罚更小。以上是一个循环，在下一个循环中鉴别器通过学习上一个循环进化出的假目标和真目标，再次进化对假目标的惩罚，同时生成器再次进化，直到与真目标一致，结束进化。

GAN简单代码实现

#是一个卷积神经网络，变量名是D，其中一层构造方式如下。
w = tf.get_variable('w', [4, 4, c_dim, num_filter], 
initializer=tf.trun