PAI13的博客

z：表示输入G网络的噪声；G(z)：表示G网络生成的图片；D(*)：表示D网络判断图片是否真实的概论。这形成了一个对抗过程，其中生成器不断学习如何生成更逼真的数据，而判别器不断学习如何更好地区分真假数据。对于生成模型，损失函数很难定义->所以我们可以将生成模型的输出交给判别模型进行处理，来分辨好坏。生成器的损失是通过判别器的输出来计算的，而判别器的输出是一个概率值，我们可以通过交叉熵计算。的情况下，判别器的性能。试图最小化这个值函数，而判别器。生成器和判别器是亦敌亦友的关系。

上传github被拒绝问题解决思路。

深度学习：测试是否含有gpu的环境。

本人是小白，一次安装，可能有不对的地方，望包含。

【代码】动手学深度学习-python基础知识介绍part1。