0 引子

GAN的風暴席卷了整個深度學習圈子，任何任務似乎套上GAN的殼子，立馬就變得高大上了起來。那么，GAN究竟是什么呢？

GAN的主要應用目標：

生成式任務（生成、重建、超分辨率、風格遷移、補全、上采樣等）

GAN的核心思想： 生成器G和判別器D的一代代博弈

生成器： 生成網絡，通過輸入生成圖像

判別器： 二分類網絡，將生成器生成圖像作為負樣本，真實圖像作為正樣本

learn 判別器D：

給定G，通過G生成圖像產生負樣本，并結合真實圖像作為正樣本來訓練D

learn 生成器G：

給定D，以使得D對G生成圖像的評分盡可能接近正樣本作為目標來訓練G

G和D的訓練過程交替進行，這個對抗的過程使得G生成的圖像越來越逼真，D“打假”的能力也越來越強。

覺得不是很好理解嘛？別著急，慢慢往下看！

1 從極大似然估計說起

補充：

分布的表示：P(x)

表示該分布中采樣到樣本x的概率，試想如果我們知道該分布中每個樣本的采樣概率，那么這個分布也就可以以這種形式表示出來了。

確定分布的表示：P(x;