chapter1-GAN

0.引言

最原始的GAN发表在NIPS2014上，GAN的思想是非常有趣的，以前我们在设计网络的时候，都是利用一个目标函数来指导一个网络的训练。然而GAN利用两种目标函数来指导两个结构(生成器与判别器)的博弈对抗，让两者互相促进。

举个简单的对抗博弈进步的例子-假币与银行，在初期的时候，由于银行并没有认识到假币的存在，因此一些很简单的假币就可能会被银行误收；随着科技进步，开始有了水印 、紫外光辨别真伪，在这样的条件下，旧的假币就无法通过银行的检验了，但是旧的假币可以知道自己不能通过检验的原因在于水印等不合格，于是假币就在这些方面进行改进，以此想要继续骗过银行，因此银行和假币就处在不断地博弈进步之中 。

那么现在我们来看一下GAN的工作原理，实际上GAN网络分为两部分-生成器与判别器，生成器的目的就是造假，而判别器的目的就是判别真假，当生成器和判别器可以正确对抗博弈进化时，随着判别器越来越强，生成器也会越来越强，而做生成任务时，我们需要的就是生成器部分。

1.生成器

        生成器比较复杂，首先我们并不知道怎样做生成这件事，因为我们并不知道用什么去生成，对于传统的神经网络，我们知道输入和输出，而对于生成任务来说，我们希望生成器可以给我们和训练数据属于同种的数据，简单来说就是，如果我们给定的数据是海边风景照，那么我们希望生成器可以给我们生成海边风景照，但是海边风景照数量非常庞大，因为涉及的因素非常多，比如天气、沙滩状况、涨潮情况，稍微变动一点就是不同的数据了，所以我们不可能收集所有的海边风景照。

        那么GAN是如何解决这个问题的呢，对于实际数据数量庞大而我们所拥有的数量有限问题，GAN的做法是从分布的角度去看待数据，

因为以往我们在设计网络的时候，习惯于对输入进行特征提取再到具体的任务(如分类任务就是先进行特征提取在进行特征组合最后做类别判定)，整体上来说数据的维度在整个过程中是

2.判别器

        判别器的结构相对简单，主要进行判别真假的任务，可以参考在初学神经网络时候所写的分类网络，把分物体类别的问题转化为分物体是真实还是虚假的问题。