生成對抗網絡（1）

（1）GAN 將生成數據與複雜的現實數據進行擬合的主要方法之一。引入各種新穎的架構和訓練對象，以解決人們對原有理念的感知不足，從而在實踐中實現更穩定的訓練和更真實的生成模型。 損失函數：訓練初期， 由於G 沒有得到較好的訓練，生成樣本很差，D 會以高置信度的概率來拒絕初期生成的樣本，導致log(1−D(G(z)))達到飽和，無法提供足夠的梯度來更新 G。於是，採用最大化log(D(G(z)))來代

>>阅读原文<<