2.1.1 GAN概述

我們先從博弈論的角度來通俗描述GAN的基本原理。生成器的功能是隨機(jī)產(chǎn)生一些樣本，而判別器的功能是判斷給定的輸入樣本的真?zhèn)?，即斷定判別器的輸入樣本是否來源于訓(xùn)練數(shù)據(jù)集。例如，有一個關(guān)于蘋果圖像的訓(xùn)練數(shù)據(jù)集，假設(shè)此時生成器生成了一張香蕉的圖像，但香蕉圖像不太可能來源于蘋果數(shù)據(jù)集，故訓(xùn)練成功的判別器應(yīng)當(dāng)判定出香蕉圖像是偽造的。在訓(xùn)練過程中，生成器和判別器進(jìn)行博弈，其中生成器不斷提高生成能力，使其產(chǎn)生的樣本越來越“像”訓(xùn)練數(shù)據(jù)集中的樣本，從而可以“騙過”判別器；而判別器不斷提高鑒定能力，盡可能區(qū)分出輸入樣本是否來源于訓(xùn)練數(shù)據(jù)集。

比如，生成器開始生成的是香蕉的圖像，因?yàn)橄憬逗吞O果的形狀有很大差異，判別器學(xué)習(xí)到形狀差異信息后，便可判定香蕉圖像是生成器偽造的，而不是來源于訓(xùn)練數(shù)據(jù)集；接下來生成器根據(jù)判別器的反饋信息來自我改進(jìn)，生成器必須生成與蘋果形狀一樣的圖像，例如改進(jìn)后的生成器生成的是橘子的圖像，這時的判別器僅僅根據(jù)形狀特征無法分辨橘子和蘋果；判別器開始自我改進(jìn)，從訓(xùn)練數(shù)據(jù)集的蘋果圖像和生成器生成的橘子圖像中尋找新的分類特征，它可能會選擇將顏色添加為新的特征作為分類依據(jù)，此時判別器又可以將橘子和蘋果鑒定出來了，生成器繼續(xù)改進(jìn)。此過程交替進(jìn)行，直到生成器可以生成與訓(xùn)練數(shù)據(jù)集一樣的蘋果的圖像。

生成器和判別器的能力在初始時均比較弱，但隨著不斷地自我學(xué)習(xí)和博弈，最終進(jìn)入一個納什均衡狀態(tài)，即生成器產(chǎn)生的樣本與訓(xùn)練數(shù)據(jù)集中的樣本完全一樣；判別器的鑒定能力也達(dá)到最佳，只要輸入的樣本與訓(xùn)練數(shù)據(jù)集中的樣本有任何不同，都可以被檢測出來。

在納什均衡狀態(tài)，兩者已無法做出任何提升，生成器的任何改變都預(yù)示著生成能力的下降，判別器的任何改變都預(yù)示著判別能力的下降，而且無論生成器（判別器）如何改變，判別器（生成器）也不會做出任何調(diào)整，此時博弈訓(xùn)練過程完成。顯然，由于生成器生成的樣本與訓(xùn)練數(shù)據(jù)集中的樣本完全一樣，判別器將無法判定生成器產(chǎn)生的樣本的真?zhèn)?，此時便得到了一個完美生成器。