生成对抗网络（GAN）在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量辨别出G生成的假图像和真实的图像。这样，G和D构成了一个动态的“博弈过程”，最终的平衡点即纳什均衡点。
举一反三
- 生成对抗网络(GAN)为代表的深度生成框架,可以创造出逼真的图像,流畅的文章,动听的音乐。
- 下列对于生成式对抗网络的叙述，哪个是错误的？ A: 训练可能不稳定 B: 可以产生清晰且真实的样本 C: 应用于监督学习领域 D: 通常由一个生成网络与一个判别网络组成
- 生成对抗网络结合了生成模型和判别模型
- 生成对抗网络主要包含两个部分：生成器和判别器网络。
- 下列关于生成式深度学习的说法错误的是（ ）。 A: 生成式学习算法能够获取类别本身的特征 B: 生成对抗网络包括生成网络和判别网络两部分 C: 生成式学习算法能够创造的新样本是有限的 D: 当判别网络输出概率为0.5时，表示它无法判别生成样本的真伪