GAN 結構總覽

生成對抗網路 (GAN) 包含兩個部分：

• 產生器會學習產生合理的資料。產生的例項會成為判別器的負面訓練例項。
• 鑑別器會學習如何區分產生器的假資料和真實資料。鑑別器會針對產生不合理結果的產生器處以罰分。

訓練開始時，產生器會產生明顯的假資料，而鑑別器會迅速學會辨別真偽：

隨著訓練的進行，產生器會越來越接近產生可欺騙鑑別器的輸出內容：

最後，如果產生器訓練順利，鑑別器分辨真假圖片的能力就會變差。系統開始將假資料歸類為真實資料，準確度也會降低。

以下是整個系統的相片：

產生器和鑑別器都是神經網路。產生器輸出端直接連接至判別器輸入端。透過反向傳播，判別器的分類會提供信號，讓產生器用來更新權重。

讓我們進一步說明這個系統的各個部分。