GAN生成对抗网络介绍

GAN简介

GAN 全称是Generative Adversarial Networks，即生成对抗网络。
“生成”表示它是一个生成模型，而“对抗”代表它的训练是处于一种对抗博弈状态中的。
一个可以自己创造数据的网络！

判别模型与生成模型

判别模型（Discriminative Model）

主要目标是对给定输入数据直接进行建模，以便预测输出的标签或类别。
判别模型学习得到的是条件概率分布 $p(y|x)$，给定x后使得正确标签y的概率最大。
常见的判别模型包括逻辑回归、支持向量机（SVM）、神经网络等。

当输入一张训练集图片x时，判别模型输出分类标签y。模型学习的是输入图片x与输出的类别标签的映射关系。即学习的目的是在输入图片x的条件下，尽量增大模型输出分类标签y的概率。

生成模型（Generative Model）

主要目标是学习输入数据的分布，以便能够生成与输入数据类似的新数据。
生成模型学习得到的是联合概率分布 $p(x,y)$，即特征x和标签y共同出现的概率；根据贝叶斯公式：$p(x$