生成式对抗网络（GAN）（李宏毅2022）

截至目前，所学习到的网络结构本质上均为一种函数，只要输入一个X，便能够生成对应的Y。

我们已掌握多种网络架构形式，这些架构能够应对各类不同的输入X以及输出Y的需求。

我们掌握了关于输入的X

• 若输入为一张图片，应当如何处理
• 若输入为一个序列，又该如何应对

同时我们也了解了关于输出的Y，它可以表现为一个数值、一个类别或一个序列

截至目前所介绍的网络架构已能够覆盖大部分问题

接下来我们将进入一个新的主题，即将网络视为一个生成器来使用

其特殊之处在于，此时网络的输入将引入一个随机变量Z

这个Z是从某个分布中采样得到的，因此当前网络不再仅依据固定的X生成输出，而是同时结合X与Z进行输出计算

关于网络如何同时处理X与Z，存在多种不同的实现方式，这取决于你如何设计网络结构

• 你可以将X视为一个向量，Z也作为一个向量，并将二者直接连接起来形成一个更长的向量作为网络的输入
• 或者当X与Z长度完全一致时，可以先将它们相加后再作为网络的输入
• 等等

Z的一个显著特征是**它并非固定不变*