1.1 什么是GAN

GAN是一種由生成網絡和判別網絡組成的深度神經網絡架構。通過在生成和判別之間多次循環，兩個網絡相互對抗，試圖勝過對方，從而訓練了彼此。

1.1.1 什么是生成網絡

生成網絡使用現有數據生成新數據，比如使用現有圖像來生成新圖像。生成網絡的核心任務是從隨機生成的由數字構成的向量（稱為“潛在空間”, latent space）中生成數據（比如圖像、視頻、音頻或文本）。在構建生成網絡時需要明確該網絡的目標，例如生成圖像、文本、音頻、視頻，等等。

1.1.2 什么是判別網絡

判別網絡試圖區分真實數據和由生成網絡生成的數據。對于輸入的數據，判別網絡需要基于事先定義的類別對其分類。這可能是多分類或二分類。通常，GAN中進行的是二分類。

1.1.3 GAN通過對抗競賽進行訓練

GAN中的網絡通過對抗競賽進行訓練：兩個網絡互相競爭。例如用GAN生成藝術品贗品。

(1) 第一個網絡，即生成網絡，并未見過藝術品實物，但試圖生成形似藝術品實物的作品。

(2) 第二個網絡，即判別網絡，試圖判斷一件藝術品是真品還是贗品。

(3) 生成網絡在不斷迭代中生成看起來更加真實的藝術品，試圖騙過判別網絡，讓它相信這些生成的贗品是真品。

(4) 判別網絡不斷優化區分真假的標準，試圖勝過生成網絡。

(5) 在每輪迭代中，它們會將自己所做調整中的成功嘗試反饋給對方，這就是GAN的訓練過程。

(6) 最終，在判別網絡的幫助下，生成網絡已經訓練得讓判別網絡無法區分哪件是真品、哪件是贗品了。

在該競賽中，兩個網絡是同時受訓的。當判別網絡無法區分真品和贗品時，該網絡就進入了一種名為“納什均衡”的狀態。本章稍后會詳述。