怎麼訓練 GAN 網絡

        我最近看的一些底層圖像算法的 paper 有很多用了各種變形的 GAN 來做。我就很好奇，GAN 到底有啥牛逼。網上關於 GAN 的介紹很多，我從 GAN 的訓練角度口頭解釋下其訓練機制。

        GAN 的核心思想是納什均衡理論。因此，GAN 網絡中包含一個生成器和一個判別器，如下圖所示。生成器和判別器本質是兩個獨立的網絡，因此訓練的時候獨立訓練。

                    

                                                                                   GAN 結構示意圖（來源網絡）

        其訓練機理爲：生成器和判別器單獨交替訓練。步驟如下：

1. 訓練判別器：

    固定生成器的參數，輸入判別器的圖像標籤爲1，隨機噪聲輸入生成器得到的假圖標籤爲0，訓練判別器到收斂。

2. 訓練生成器：

    固定判別器的參數，輸入判別器的圖像標籤爲1，隨機噪聲輸入生成器得到的假圖標籤爲1，訓練生成器到收斂。

3. 交替循環步驟1和2。

    具體的操作步驟我還沒有實踐過，改天有時間玩個 demo。