一、GAN的思想

生成式对抗网络GAN(Generative adversarial networks)是Goodfellow 等在2014 年提出的一种生成式模型。GAN 的核心思想来源于博弈论的纳什均衡。它设定参与游戏双方分别为一个生成器(Generator)和一个判别器(Discriminator), 生成器捕捉真实数据样本的潜在分布, 并生成新的数据样本; 判别器是一个二分类器, 判别输入是真实数据还是生成的样本。

生成器G：根据真实数据集的潜在分布，生成新的样本数据。

判别器D：是一个二分类器，判别输入的样本是真实的还是生成的。

---

二、GAN的结构

三、实现

Tensorflow实例：实现GAN（生成对抗网） 蚊子爱牛牛

一篇读懂生成对抗网络（GAN）原理+tensorflow代码实现

1 2 3 4 5

参考文章：

【1】tensorflow学习】最简单的GAN 实现

【2】Tensorflow实例：实现GAN（生成对抗网） 蚊子爱牛牛

【3】一篇读懂生成对抗网络（GAN）原理+tensorflow代码实现