什么是生成对抗网络（GAN）？

生成对抗网络（Generative Adversarial Network，GAN）是由生成器与判别器相互博弈、以对抗训练逼近真实数据分布的生成模型，核心构成包括生成器、判别器与对抗损失优化，解决的是生成内容与真实数据分布差距大的问题，并不解决训练崩溃与模式坍缩的稳定性隐患。

• 生成器：负责“造假”。它从随机噪声（一堆乱七八糟的数字）开始，试着生成像真数据的东西，比如一张人脸图片。
• 判别器：负责“查假”。它看着生成器造的东西，判断“这是真的吗？”（比如“这是真的人脸，还是假的？”）。

这两个网络互相竞争：

• 生成器想骗过判别器，造出越来越逼真的东西。
• 判别器想拆穿生成器，变得越来越擅长分辨真假。

随着训练，它们互相“刺激”进步，最终生成器能造出几乎以假乱真的作品。这就像一个画师和鉴赏家：画师不断改进画技，鉴赏家不断挑刺，最后画师画出了大师级的作品。

明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。