GAN

目标函数：

 

模型思想

GAN是生成模型由两个部分组成，一个生成器G和一个判别器D。我们希望生成器生成的数据分布尽可能的和真实的数据分布相似。那么如何达到这一目的呢？如果我们直接对G生成的数据和D求交叉熵，然后最小化这个交叉熵来得到我们想要的模型，好像也可以。现在的许多GAN确实也在这个部分加了一个损失函数。GAN没有直接去优化生成器，而是通过判别器去优化生成器。生成器希望生成出让判别认为是真实数据的数据，而判别器希望尽可能的区分生成器生成的数据和真实数据。

 

参考博客

https://blog.csdn.net/stalbo/article/details/79283399