深度生成模型

GAN简介

GAN的核心理念源自二人零和博弈机制，其结构包含两个相互对抗的组件，即生成器（G）与判别器（D）。这两个模型分别具备独立的输入与输出接口，其具体作用如下：
生成器（G）：以随机噪声样本作为输入内容，借助生成器模型构造出与真实数据样本难以区分的合成样本。
判别器（D）：对生成模型所产生的输出结果进行评估，其功能类似于分类系统，评估时所依据的标准样本为真实的训练数据。

GAN的简易模型如下：

• GAN训练
  • 在GAN模型的训练过程中，首先进行的是判别器的训练，其目的在于使判别器建立一个明确的判断标准。具体而言，需要让判别器接触大量高质量的图像样本，从而理解何为优质图像。这些图像样本通常来源于不同渠道，并被整理至数据库中，随后从中随机选取用于输入至判别器进行学习。
  • 当判别器完成训练后，其已具备识