对 GAN 的 value function 的理解

---

上式分为两个步骤：

• 第一步：调整discriminative model D的权重，使得V中两项取得最大值
• 第二步：调整generative model G的权重，使得V中第二项取得最小值

首先，分析log D(x)的含义：

• D(x)表示discriminative model D对一个原始样本的评分，评分越高，表示D越趋向于相信该样本是一个真实样本
• D(G(z))表示discriminative model D对一个生成样本的评分，评分越高，表示D越趋向于把一个生成样本当成了一个真实样本

因此，网络训练过程总结如下：

• 第一步：训练D，使得上述两个期望最大
  • 第一项期望值最大，表示D将一个真实样本给出一个高的评分
  • 第二项期望值最大，表示D将一个生成样本给出一个低分

第二步：训练G，使得期望值的第二项最小

• 第二项期望值最小，即：找到一个G，使其生成的样本能够在discriminative model D中获得一个较高的评分

---

图：GAN的训练收敛过程

蓝色表示D

绿色表示G

黑色表示原数据

---

2019年8月18日

于南湖畔