对于GAN的描述Generative Adversarial Network（生成对抗网络）

流程：一个随机噪声经过生成器 generator 产生假的图片，且输入到判别器discriminator 欺骗判别器

生成器希望自己生成的图像骗过判别器，判别器不断增强自己分辨真伪的能力，这两者能力不断对抗，分别不断增强能力，直到最后判别器无法判别生成器产生的图像内容，则达到目的，网络拟合。

 

                                                  

特别的就是网络中有一个generator和一个discriminator 总的大的网络结构中包含两个小的网络结构

随机噪声输入到G（generator）得到第一代generator

数据集输入到D（discriminator）训练好第一代的D，第一代的D对第一代G作出评价

generator进化为第二代  第二代discriminator可以对第二代generator作出评价.......直到最后判别器无法判别是生成器产生的图像还是真实的数据集

步骤

Step1 固定generator参数  调节discriminator参数 ，由随机数据产生图像 ，同时从数据集中选出样本数据 ，两组数据放入discriminator ，样本数据得出的分数越高越好，generator产生图像分数越低越好

Step2 固定已经训练好的discriminator参数

随机数据输入generator 产生输出图片 ，将此图片输入discriminator 看得出的分数  调节输入参数使discriminator的输出分数尽量高