GAN与WGAN——对抗神经网络_wgan和gan的区别

GAN不是进行分类或图像识别语音识别等功能的，它的功能是通过深度学习网络学习到某些特征，然后自动生成符合这种特征的数据（比如图像等）。

GAN

• Generator
• Discriminator

Generator是一个神经网络，负责将一组随机噪声生成一个图像

Discriminator也是一个神经网络，它负责判断由Generator生成的图像与真实图像之间的差距，并返回这个图像是真是假的判断。

无论是Generator还是Discriminator，它们的目的都是学习到真实Training Set 图像中的特征，从而生成一个越来越像真图像的假图像，或者判断假图像是假图像。

说起来可能有些拗口，大致就是这个意思，通过不断的Train，最终可达到让人眼也无法分辨出一个图像到底是真实的拍摄出来的图像还是仅仅是由计算机自动生成的图像。很神奇是不是，这就是人工智能的魅力！

How to train？

整个网络的损失函数，要让Discriminator的Loss最大，以便可以准确的分辨真假，要让Generator的Loss最小，以便可以生成足以混淆Discriminator的图像。

后面第一项表示Discriminator的期望值，第二项表示Generator的期望值 

示例图像

下面是GAN刚提出时能够生成的图像

 可以看到还是有点糊的，那时候的GAN生成的图像的效果与当时同期发表的VAE的效果差不多，但是经过了几年的发展后，GAN已经达到了VAE望尘莫及的地步。