原始GAN初探

GAN的学习是一个二人博弈问题，最终目标是达到纳什平衡。

原始GAN的目标优化函数如下：

目标是最小化G，最大化D：
对于D来说，先固定住G：

For D:

D最大话意味着：D要尽可能的识别真样本D(X)和假样本D(G(z)), 即将真样本识别为1，假样本识别为0，否则第一部分的公式将趋于负无穷，第二部分也将趋于负无穷：

For G:

因为第一项是没有用的(D部分)，所以等价于
=>

GAN的最优情况：
For D:

此处也解释了为什么当D的loss为0.5是认为是最优的D
For G：
G的目标就是生成和真实数据一样的分,故G的最优情况为：