学习笔记_01生成对抗网络（GANs）

本人初学关于GAN的相关知识，该博客作为整理自己学习的一个平台博客内容仅代表个人观点，如果有什么错误的地方还请各位指教，谢谢！
01发展起源
GANs(Generative Adversarial Networks)生成对抗网络，其发展的具体过程为：（1）14年，论文Generative Adversarial Nets发表 以来，生成式对抗网络 GAN 广受关注。(2)Conditional Generative Adversarial Nets(3)Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks。简要概括为：受博弈论中的二人零和博弈的启发，GAN中博弈的双方为生成器模型（Generative model）和判别器模型（discriminative model）.生成模型 G 捕捉样本数据的分布，用服从某一分布（均匀分布，高斯分布等）的噪声 z 生成一个类似真实训练数据的样本，追求效果是越像真实样本越好；判别模型 D 是一个二分类器，估计一个样本来自于训练数据（而非生成数据）的概率，如果样本来自于真实的训练数据，D 输出大概率，否则，D 输出小概率。可以做如下类比：生成网络 G 好比假币制造团伙，专门制造假币，判别网络 D 好比警察，专门检测使用的货币是真币还是假币，G 的目标是想方设法生成和真币一样的货币，使得 D 判别不出来，D 的目标是想方设法检测出来 G 生成的假币。
02基本原理

在训练的过程中固定一方，更新另一方的网络权重，交替迭代，在这个过程中，双方都极力优化自己的网