本文主要是介绍生成对抗网络（GAN网络），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Generative Adversarial Nets
生成对抗网络GAN交互式可视化网站
1、GAN 基本结构
GAN 模型其实是两个网络的组合：
生成器（Generator） 负责生成模拟数据；
判别器（Discriminator） 负责判断输入的数据是真实的还是生成的。
生成器要不断优化自己生成的数据让判别网络判断不出来，判别器也要优化自己让自己判断得更准确。 二者关系形成对抗，因此叫对抗网络。
2、GAN 训练过程
GAN 模型训练过程中，生成模型的本质： 拟合训练数据的分布 ，判别模型的本质： 区分真实数据和生成数据的分布 。GAN 模型最终想要的结果是， 判别器无法区分数据是生成器生成的，还是真实的 。
其中：
黑色点线为训练集数据分布曲线
蓝色点线为判别器输出的分布曲线
绿色实线为生成器输出的分布曲线
3、GAN 算法流程
[REFERENCE]
李宏毅对抗生成网络(GAN)国语教程(2018)
GAN论文逐段精读【论文精读】
生成对抗网络GAN开山之作论文精读
通俗理解生成对抗网络GAN
四天搞懂生成对抗网络（一）——通俗理解经典GAN
适合小白学习的GAN（生成对抗网络）算法超详细解读
生成对抗网络GAN论文总结+复现代码(已完成28篇，未完待续。。。)
这篇关于生成对抗网络（GAN网络）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
