GAN 结构概览

生成对抗网络 (GAN) 由以下两个部分组成：

• 生成器会学习生成合理的数据。生成的实例会成为分类器的负例训练示例。
• 判别器会学习区分生成器的虚假数据与真实数据。如果生成器生成不可信的结果，判别器会对其进行惩罚。

训练开始时，生成器会生成明显虚假的数据，而判别器会快速学会判断这些数据是虚假的：

随着训练的进行，生成器越来越接近生成能够欺骗判别器的输出：

最后，如果生成器训练顺利，鉴别器就越难区分真实和虚假。它会开始将虚假数据归类为真实数据，准确性也会降低。

下面是整个系统的图片：

生成器和判别器都是神经网络。生成器输出直接连接到判别器输入。通过反向传播，分类器的分类会提供一个信号，用于生成器更新其权重。

下面我们来详细介绍一下该系统的各个部分。