生成对抗网络（Generative Adversarial Network）阅读笔记

笔记持续更新中，请大家耐心等待

首先需要大概了解什么是生成对抗网络，参考维基百科给出的定义（https://zh.wikipedia.org/wiki/生成对抗网络）：

生成对抗网络（英语：Generative Adversarial Network，简称GAN）是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。该方法由扬·古德费洛等人于2014年提出。^[1]

生成对抗网络由一个生成网络与一个判别网络组成。生成网络从潜在空间（latent space）中随机采样作为输入，其输出结果需要尽量模仿训练集中的真实样本。判别网络的输入则为真实样本或生成网络的输出，其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。两个网络相互对抗、不断调整参数，最终目的是使判别网络无法判断生成网络的输出结果是否真实。^[1][2]

生成对抗网络常用于生成以假乱真的图片。^[3]此外，该方法还被用于生成视频^[4]、三维物体模型^[5]等。