Gan 生成对抗网络

生成对抗网络 Generative Adversarial Net

分为两个网络 1.生成（噪音数据->图像）。2.判别（图像->真假概率）。

两个网络的训练过程为交替训练。

1.初始化生成网络参数，输入为一组噪音，输出为一个伪造图像。

2.伪造图像（label为0)和真实图像（label为1)作为判别网络的输入数据来训练。【完成判别网络训练】

3.（接步骤1)将伪造图像（添加label为1）作为另一个判别网络（参数与上述判别网络共享，但不更改）的输入，反向传播过程中，判别网络的参数因为来自于上一个判别网络而不能更改，但是产生的loss反向到生成网络，更新生成网络参数。【完成生成网络训练】

4.交替进行下去。直到判别网络识别概率稳定在50%。