深度学习：核心原理与案例分析

第14章　生成对抗网络

生成对抗网络（Generative Adversarial Network，GAN）是一种由两个彼此对抗（因此有了名字中的对抗）的网络组成的深度神经网络结构。

2014年，Ian Goodfellow和包括Yoshua Benjio在内的其他研究人员在蒙特利尔大学的一篇论文“Generative Adversarial Networks”中介绍了GAN。提到GAN，Facebook的AI研究总裁Yann LeCun称对抗训练是机器学习过去十年中最有趣的想法。

GAN潜力巨大，因为它可以学习模仿任何的数据分布。也就是说，可以训练GAN在包括图像、音乐、语言和文本在内的任何领域中创造与我们类似的世界。从某种意义上说，它们是机器人艺术家，它们的输出令人印象深刻（见nytimes网站）同时也让人们受到鼓舞。

本章将主要包括以下几个主题。

• 直观介绍。
• GAN的简单实现。
• 深度卷积GAN。

14.1　直观介绍

本节将会以非常直观的方式介绍生成对抗网络GAN。为了了解GAN是如何运作的，这里将采用一个获取活动门票的虚构场景。

故事从某个地方正在举行的非常有趣的活动开始，并且你很有兴趣参加。可你很晚才听说这个活动，所有门票都已售罄，但是你想方设法也要参加活动。所以你想出了一个主意。你想尝试伪造一张和原始门票完全相同或者非常相似的门票。但是生活并不是这么容易的，这里还有另一个挑战：你不知道原始门票是什么样的。因此，根据你参加此类活动的经验，你开始想象门票应该长什么样，并凭着想象开始设计门票。

你开始尝试设计门票，然后去参加活动并向保安人员出示门票，你希望他们能够相信你并且放你进去。但是你不想多次向保安人员展示你的面孔，所以你决定从朋友那里获取帮助，他们会带着你凭空设计的门票去参加聚会并向保安人员出示。如果保安人员不让他进去，他将会通过查看一些拿着真实门票入场的人，来获取一些关于门票外观的信息。你将会根据朋友的评论来调整门票，直到保安人员让他进去。此时，仅在此时，你将设计另一张完全相同的门票，然后自己拿着它入场。 ...