參考資料:
1. 李弘毅的ML講義
2. [機器學習 ML NOTE]Generative Adversarial Network, GAN 生成對抗網路
3. 教電腦畫畫：初心者的生成式對抗網路(GAN)入門筆記（TensorFlow + Python3）
4. [ML筆記] Structured Learning - Introduction
5. Generative Adversarial Networks for Beginners

• 生成器 (Generator) 和鑑別器 (Discriminator)
GAN 原理 (解說byGAN 畢業手冊)
GAN 由兩個神經網絡組成，一個是合成新樣本的生成器，另一個是對比訓練樣本與生成樣本的判別器。判別器的目標是區分「真實」和「虛假」的輸入（對樣本來自模型分布還是真實分布進行分類）。
#這些樣本可以是圖像、視頻、音頻片段和文本。
換句話說:
鑑別器:訓練出一個Neural Network可以分辨偽造出來的圖跟真實的圖。
Generator出來的圖標記為0(fake image)，然後把真實的圖標記為1，這樣的training data 丟進我們的Discriminator Network做訓練，這就是每一次Discriminator訓練的步驟
生成器:訓練出一個Neural Network可以讓Discriminator分辨出來的結果越接近真實(1)的結果越好
#小記


GAN(比較難train) 可以比喻成: 演化(需要比較長的時間)

• 改進的版本介紹：DCGAN(Deep Convolutional Generative Adversarial Networks)